基于机器学习的驾驶行为安全风险评估模型的研究

摘要

通过信息化系统收集车辆运行轨迹数据,结合工作实际构建安全风险检查指标体系,为克服传统的风险评估模型中评价指标个人主观性强、信息处理效能低的问题。首先,对信息系统采集到的车辆运行数据进行One-Hot编码,然后,利用XGBoost算法建立驾驶行为安全评估模型并对模型参数进行优化提高模型性能和准确度。结果表明,基于XGBoost的驾驶行为安全评估模型可以根据采集到的数据揭示驾驶行为与风险评估等级之间的交互关系,能够反映出更加深层次安全问题,为安全评价和隐患整改提供可靠的依据,使管理人员的决策更具有针对性和前瞻性。