车载单元 (OBU) 支持使用机器学习方法纵向监控驾驶行为

科学领域:

• 智能运输系统 智能运输系统
• 机器学习应用 机器学习应用
• 车辆动力学 车辆动力学

背景情况:

• 驾驶行为识别对于智能汽车和交通估计至关重要.
• 移动传感,使用智能手机和车辆终端,越来越多地用于此目的.
• 纵向驾驶行为监测需要强大的数据分析技术.

研究的目的:

• 提出和评估一种机器学习方法,用于使用车载单元 (OBU) 监测纵向驾驶行为.
• 为了比较七种不同的机器学习算法对此任务的性能.
• 为交通管理,安全和智能交通系统的发展做出贡献.

主要方法:

• 使用OBU收集速度,三轴加速度和角度速度数据.
• 应用数据预处理和特征提取技术.
• 实施和评估了七个机器学习算法:SVM,RF,KNN,LR,BPNN,DT和NB.

主要成果:

• 支持矢量机 (SVM),随机森林 (RF) 和决策树 (DT) 在对纵向驾驶行为进行分类方面表现强.
• 这些分类器有效地根据收集的传感器数据识别出不同的驾驶模式.
• 该研究验证了使用OBU和机器学习用于驾驶行为分析的可行性.

结论:

• 提出的机器学习方法,特别是使用SVM,RF和DT,对于监测纵向驾驶行为是有效的.
• 这项研究支持智能运输系统,交通管理和驾驶安全方面的进展.
• 这些发现为更复杂的驾驶员行为分析和车辆安全应用提供了基础.