【技术实现步骤摘要】
驾驶人危险度预测结果可靠性验证方法
本专利技术涉及一种驾驶人危险度预测结果可靠性验证方法。
技术介绍
基于交通安全大数据开展的数据挖掘和特征分析,是目前解决主动式交通安全管理问题的热点问题。其中,采用机器学习等方法对驾驶人危险度的预测,能够为交通安全治理应用中的源头管理、现场检查等工作提供辅助决策的科学指标依据。因此,模型预测的可靠性能至关重要。而驾驶行为主要受主观性因素驱动,其不确定性特征显著,交通事故的发生更是概率性事件,如何检验驾驶人危险度预测结果的可靠性,当前尚缺乏针对该问题的研究。
技术实现思路
本专利技术的目的是提供一种驾驶人危险度预测结果可靠性验证方法用于解决基于模型预测驾驶人安全风险程度的应用中缺乏模型质量控制的问题。本专利技术的技术解决方案是:一种驾驶人危险度预测结果可靠性验证方法,包括以下步骤,S1、抽取高危驾驶人验证观测样本G以及在所有驾驶人样本中抽取与观测样本G同样本量的样本R;S2、设定跟踪检验时间窗口,窗口长度为T,即对于进入期内某个抽取时段t∈[Ts,Te],将[t,t+T]作为样本Gt、Rt的观测期,其中Gt、Rt为时段t的观测样本;S3、t=Ts+i·τ,i初值为0,τ为样本抽取时间间隔;收集观测样本Gt、Rt在观测期[t,t+T]内的交通事故发生时间RT;S4、若t<Te,则i=i+1,返回步骤S3;否则,进入步骤S5;S5、将G、R内的所有样本在观测期内收集的RT构成检验样本g、r;S6、使用单因素方差分析g、r在事故发生时间上是否存在显著差异;若分析结论为不存在显著差异,则判断驾驶人预测结果不可靠,结束本流程;若存在显著 ...
【技术保护点】
1.一种驾驶人危险度预测结果可靠性验证方法,其特征在于:包括以下步骤,S1、抽取高危驾驶人验证观测样本G以及在所有驾驶人样本中抽取与观测样本G同样本量的样本R;S2、设定跟踪检验时间窗口,窗口长度为T,即对于进入期内某个抽取时段t∈[Ts,Te],将[t,t+T]作为样本Gt、Rt的观测期,其中Gt、Rt为时段t的观测样本;S3、t=Ts+i·τ,i初值为0,τ为样本抽取时间间隔;收集观测样本Gt、Rt在观测期[t,t+T]内的交通事故发生时间RT;S4、若t<Te,则i=i+1,返回步骤S3;否则,进入步骤S5;S5、将G、R内的所有样本在观测期内收集的RT构成检验样本g、r;S6、使用单因素方差分析g、r在事故发生时间上是否存在显著差异;若分析结论为不存在显著差异,则判断驾驶人预测结果不可靠,结束本流程;若存在显著差异,进入步骤S7做进一步验证;S7、对检验样本g、r,采用生存分析,获得两类样本生存函数s(g)、s(r),并分别计算中位生存时间t50%(g)、t50%(r),若t50%(g)
【技术特征摘要】
1.一种驾驶人危险度预测结果可靠性验证方法,其特征在于:包括以下步骤,S1、抽取高危驾驶人验证观测样本G以及在所有驾驶人样本中抽取与观测样本G同样本量的样本R;S2、设定跟踪检验时间窗口,窗口长度为T,即对于进入期内某个抽取时段t∈[Ts,Te],将[t,t+T]作为样本Gt、Rt的观测期,其中Gt、Rt为时段t的观测样本;S3、t=Ts+i·τ,i初值为0,τ为样本抽取时间间隔;收集观测样本Gt、Rt在观测期[t,t+T]内的交通事故发生时间RT;S4、若t<Te,则i=i+1,返回步骤S3;否则,进入步骤S5;S5、将G、R内的所有样本在观测期内收集的RT构成检验样本g、r;S6、使用单因素方差分析g、r在事故发生时间上是否存在显著差异;若分析结论为不存在显著差异,则判断驾驶人预测结果不可靠,结束本流程;若存在显著差异,进入步骤S7做进一步验证;S7、对检验样本g、r,采用生存分析,获得两类样本生存函数s(g)、s(r),并分别计算中位生存时间t50%(g)、t50%(r),若t50%(g)<t50%(r),则危险度预测结果...
【专利技术属性】
技术研发人员:刘林,陈凝,吕伟韬,张韦华,
申请(专利权)人:江苏智通交通科技有限公司,
类型:发明
国别省市:江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。