基于改进CatBoost的避险驾驶风格与风险影响因素研究

摘要

驾驶避险行为对于预防交通事故极为重要，而现有研究在避险驾驶风格及预警方式避险效果方面的分析较少。为提取避险驾驶风格并分析其影响，文中进行驾驶模拟试验并采用正交试验设计方法，在6种典型交叉口、3种危险源车速、4种预警时间和2种预警方式组合后的12种交通场景进行试验，利用谱聚类提取试验所得时变数据，对比划分出Ⅰ型与Ⅱ型两类驾驶风格；以驾驶人因素、试验场景和车辆碰撞指标为因素对高风险场景进行预测，并基于改进CatBoost模型分析各因素的影响，最后使用机器学习可解释性工具(SHapley Additive exPlanations, SHAP)分析各影响因素的边际效应。结果表明，Ⅱ型驾驶风格驾驶人的避险能力良好，具有到达交叉口前车速较低、制动力度大、制动平稳、方向盘转角较小等特征；采用改进CatBoost模型可精准预测驾驶风险水平；驾驶人因素、试验场景、车辆操作指标对危险场景的发生具有影响，新手驾驶人、Ⅰ型驾驶风格驾驶人、女性驾驶人的高风险场景发生概率增大；危险源速度越大，越易诱发较高驾驶风险水平的场景；预警信息的过早发布并不能有效降低事故风险，预警发布时间适中(3.0 s或3.5 s)和视觉预警方式可在一定程度上抑制高驾驶风险场景的出现。

关键词

交通安全 / 驾驶行为 / 驾驶风格 / 驾驶风险 / 风险影响因素 / 机器学习 / CatBoost模型