:::
博碩士論文
| 論文名稱 | 利用統計預測與機器學習從駕駛行為預測事故風險之研究 |
|---|---|
| 年別 | 112 |
| 學位 | 碩士 |
| 學校系所 | 國立陽明交通大學 運輸與物流管理學系 |
| 作者 | 張斯涵 |
| 指導教授 | 王晉元 |
| 論文摘要 | 事故風險預測能辨識出高風險駕駛以及高風險因子，進而幫助主管機關，如政府部 門、客運業者，了解應加強管理的對象以及構思管理的方案，以預防事故發生。然過往 相關研究，常面臨事故資料蒐集時間長、變數眾多導致變數影響不顯著之困境。為了解 決以上困境，本研究欲提出完整之事故風險預測方法，內容分為事故風險衡量指標快速 確立、事故風險影響因子取用及挑選、事故風險預測模型建立及挑選，三大部分。事故 風險衡量指標快速確立之方法為，輸入 ADAS 警示次數進入 K-means，劃分事故風險 群，並以群間平均數比較與群間平均數差異檢定之結果，作為命名事故風險群參考。事 故風險影響因子取用及挑選之方法為，取出駕駛行為特徵及環境因子後，以 t 檢定、RFE、 Lasso 挑選出重要的變數。事故風險預測模型建立及挑選之方法為，訓練羅吉斯迴歸、 判別分析、決策樹、SVM 後，以平均 AUC 挑選出最佳模型。本研究以雙北地區大客車 ADAS 警示及車速車距為資料，實際測試以上分析方法，結果如下：駕駛分為相對低風 險群以及相對高風險群，且兩群之 ADAS 警示次數有顯著不同，故兩群的事故風險有顯 著差異。三種變數挑選方法的結果並不完全相同，若只參考單一方法恐怕有些偏頗，應 綜合考量三種方法。最終模型為羅吉斯迴歸，因其平均 AUC 最大。 |
| 附件下載 | (電子檔於112-11-30後開放下載) |
檔案下載
瀏覽人次:92