:::
博碩士論文
| 論文名稱 | 以機器學習演算法評估客運駕駛風險之研究 |
|---|---|
| 年別 | 109 |
| 學位 | 碩士 |
| 學校系所 | 國立交通大學 運輸與物流管理學系 |
| 作者 | 王 允 |
| 指導教授 | 王晉元 |
| 論文摘要 | 本研究透過大客車配載之先進駕駛輔助系統(ADAS)記錄之車機資料，從中提取駕駛特徵，以機器學習演算法建構駕駛風險評估模型來預測其風險層級。機器學習演算法包含以非監督式學習之分群法根據風險指標來標記風險等級，在使用監督式學習之分類法連結駕駛行為指標建立風險分類模型，並以 recursive features elimination演算法依照特徵的重要性找出關鍵特徵。另外針對過去研究使用 2階機器學習架構和區分駕駛特徵之兩個議題進行探討，建立 3種分類模型來測試其必要性和準確度。本研究之測試範例為行駛國道由新竹至台北的國內客運公司提供 Mobileye車距資料，透過 k-means分群法將駕駛分別出風險等級，並找出關鍵駕駛行為特徵。結果顯示 3種模型之正確率皆高於 90%且 3種模型的準確度差異不大。意味著駕駛風險之評定取決於險標籤所使用之駕駛特徵，將駕駛風險分群後再進行第 2階段使用分類法建立風險分類模型並沒有其必要性；相同的將特徵分為風險行為兩類型對模型評估的準確度並無差異。因此相對其他模型， ，1階段 混合特徵評估模型 (Model-3)僅進行一次機器學習，較能避免球員兼裁判之情況。若考量日後資料蒐集和處理以及模型再訓練之時間， 1階段混合特徵預測模型為較佳的選擇。 |
| 附件下載 | (電子檔於112-07-14後開放下載) |
檔案下載
- 以機器學習演算法評估客運駕駛風險之研究.pdf下載次數：63
瀏覽人次:172