- 1、本文档共54页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
摘要
基于车联网数据的驾驶行为安全评分方法研究
随着经济的发展和人们生活需求的不断变化,金融领域发展出的评分卡模型给很多
行业都带来便利,例如银行就可以借助评分卡模型规避掉一些信贷风险,帮助企业处于
良性的发展状态。在金融领域,学者们借助信贷数据有明确标注的优势,广泛地将机器
学习方法和评分卡模型相结合,不断地丰富模型的种类、可适用范围。目前评分卡模型
的研究背景多数集中在金融、保险行业。
被大家熟知的汽车领域,尤其是网联汽车领域目前也在迅速发展。研究影响车辆行
驶安全的因素是至关重要的,例如情绪、年龄、性别、路况、天气、驾龄等。此外,对车速
进行研究,得到侧向摩擦因数与速度的关系,能够对驾驶特征进行分类,为数据的深度挖
掘和构建用户画像奠定了基础。
把金融评分卡模型迁移到车联网领域,建立驾驶行为安全评分卡模型是非常具有实
践意义的。本文选取某市的车联网数据,建立驾驶行为评分卡,从而对驾驶安全进行评
估。通过数据预处理,完成构建评分卡所需的数据准备工作。本文首先建立基于Logistic
回归的驾驶安全评分卡,给出在Logistic回归建模场景下,预判有危险驾驶行为的判定准
则。考虑特征选择对于评分卡建模的重要性,本文基于BP神经网络的MIV特征选择算
法,建立XGBoost驾驶行为安全评分卡,并给出在该建模场景下的判定准则。
关键词:车联网数据,BP神经网络,评分卡
I
Abstract
DrivingBehaviorSafetyScoringMethodBasedonInternetofVehiclesData
Withthedevelopmentofeconomyandthecontinuouschangeofpeople’slifeneeds,the
scorecardmodeldevelopedinthefinancialfieldhasbroughtconveniencetomanyindustries.
Forexample,bankscanusethescorecardmodeltoavoidsomecreditrisksandhelpenterprises
inahealthystateofdevelopment.Inthefieldoffinance,scholarshavewidelycombinedma-
chinelearningmethodsandscorecardmodelswiththeadvantageofclearlylabeledcreditdata,
andcontinuouslyenrichedthetypesandapplicablescopeofmodels.Atpresent,mostofthe
researchbackgroundofscorecardmodelfocusesonthefinanceandinsuranceindustry.
Thewell-knownfieldofvehicles,especiallythefieldofInternetofVehicles,isalsorapidly
developing.Itisessentialtostudythefactorsthata↵ectthesafetyofvehicledriving,such
asemotion,age,gender,roadconditions,weather,drivingage,etc.Inaddition,thevehicle
speedisstudiedtoobtaintherelationshipbetweensidefrictionfactorandspeed.Then,the
dr
文档评论(0)