基于马尔科夫毯和隐朴素贝叶斯的驾驶行为险态辨识

摘要

为了实现对驾驶行为险态的有效辨识,以实时采集的多源信息为依据,通过融合驾驶人心率变化率及违法行为将驾驶行为险态分为4级.采用马尔科夫毯特征抽取算法提取出速度、纵向加速度、前轮转角变化率、车道偏离量以及车辆位置作为构建驾驶行为险态辨识的特征集,基于隐朴素贝叶斯(HNB)构建驾驶行为险态辨识模型.十折交叉验证结果表明,该模型的辨识精度(90.6％)比朴素贝叶斯(NB)、贝叶斯网络(BN)及径向基函数(RBF)神经网络分别提高14.1％、13.9％和13％.此外,ROC曲线验证结果表明该模型对不同险态等级都具有良好的预测效果.