基于权重的欠采样提升算法识别激进驾驶员

文中提出一种碰撞风险的度量方法,即平均碰撞风险(average crash risk,ACR).该方法基于驾驶员在车辆跟随过程中的响应数据来计算车辆的平均碰撞风险,并基于平均碰撞风险,对每一位驾驶员的激进驾驶行为进行判断并且赋予标签.最后,将车间距数据进行离散傅里叶变换作为输入变量进行激进驾驶员识别算法的训练.使用高精度NGSIM数据集进行激进驾驶员识别,研究对象包括在美国I-80高速公路H O V车道上无换道干扰的299对跟驰车辆.此外,提出一种新的基于权重的欠采样提升算法(weight-based under sampling boost,WUSBoost),并与其他不平衡类提升算法SMOTEBoost和RUSBoost,常规的提升算法AdaBoost和XGBoost,以及SMOTE+Ada-Boost和RUS+AdaBoost等算法进行比较.在所有算法中,WUSBoost的性能最好,显示了其对于不平衡类数据有较好的识别能力.