来源：期刊VIP网 时间：
作者：王永亮;李超;许恩永;何水龙;
单位：桂林电子科技大学机电工程学院;东风柳州汽车有限公司;
摘要：驾驶员作为交通事故的重要诱因，其一系列风险驾驶行为对道路交通安全具有重要影响。针对当前驾驶风险等级分类不合理、辨识精度低等问题，提出一种商用车驾驶风险辨识模型。即首先从车辆状态、驾驶状态、驾驶员操作三个方面，共建立18个能够表征商用车驾驶风险的特征参数；采用因子分析法（FA）对特征参数降维优化，并生成蕴含更为明确风险驾驶行为信息的综合变量；接着应用K-means聚类算法分别将风险驾驶行为特征聚为2、3和4类并对比分析，结合肘部法则和轮廓系数综合确定最佳的聚类数目k，消除人为经验确定k值主观性强的缺陷；最后，利用极端梯度提升（XGBoost）算法对商用车驾驶风险进行识别，并与决策树、随机森林、K近邻等算法在精度上进行比较。研究结果表明：在上述研究条件下XGBoost算法对商用车驾驶风险的理论识别率最高可达98%，该结果对于自动驾驶辅助系统的设计、道路交通安全性的提升具有重要意义。
关键词：风险驾驶行为;;因子分析;;K-means聚类;;XGBoost算法;;驾驶风险辨识;;道路交通安全
基金资助：广西创新驱动发展专项（AA18242033）;; 柳州市科技计划项目（2020GAAA0404）
