針對軌道交通司機駕駛水平定量化評價問題,筆者在數(shù)據(jù)提取、數(shù)據(jù)降噪和數(shù)據(jù)降維的基礎(chǔ)上,構(gòu)建了基于支持向量機的軌道司機駕駛水平評價模型方法對該問題進(jìn)行了研究。研究結(jié)果表明:選用高斯核函數(shù)的SVM模型在準(zhǔn)確率和穩(wěn)定性上要優(yōu)于普通、線性和多項式SVM模型,和人工評價結(jié)果比較其余弦相似度均高于0.98,模型評價結(jié)果的有效性。 

【文章來源】：重慶交通大學(xué)學(xué)報(自然科學(xué)版). 2020,39(10)北大核心CSCD

【文章頁數(shù)】：6 頁

【部分圖文】：

圖1 時刻-速度曲線

筆者以Python語言編程實現(xiàn)所有處理和計算[7]，通過對實際數(shù)據(jù)按上述方法處理得到261個自動駕駛樣本和71個人工駕駛樣本，進(jìn)一步對所有樣本的維度進(jìn)行統(tǒng)計，結(jié)果如圖2。一次正常行駛時間一般不會低于30 s，在這個時間內(nèi)會采集150個數(shù)據(jù)，如果樣本維度小于150，認(rèn)為此行駛過程可能存在異常，將這些樣例從樣例集中剔除。圖2中有42個這種異常樣例。

對模型的準(zhǔn)確性而言，正則化參數(shù)C的設(shè)置有很大影響，一般C值越大SVM準(zhǔn)確率越高。通過適當(dāng)改變C的取值，觀察不同核函數(shù)SVM模型準(zhǔn)確率變化情況，進(jìn)而選擇最佳SVM模型，結(jié)果如圖3。從圖3可以看出，線性核SVM準(zhǔn)確率隨C值的增大而增大，最終當(dāng)C>5后準(zhǔn)確率穩(wěn)定在97.25%。普通SVM在C=1時，準(zhǔn)確率為94.57%，當(dāng)C>5后準(zhǔn)確率穩(wěn)定在92.46%。高斯核SVM和多項式核SVM無論C值怎么變化準(zhǔn)確率始終是100%．綜合模型準(zhǔn)確率和穩(wěn)定性，筆者選擇高斯核SVM作為最終的分類模型。

【參考文獻(xiàn)】：
期刊論文
[1]基于支持向量機法的混凝土強度對拼寬T梁橋時變可靠度影響分析[J]. 鄔曉光,何啟龍,鄭鵬,肖凱龍.  重慶交通大學(xué)學(xué)報(自然科學(xué)版). 2019(05)
[2]基于自適應(yīng)分解層數(shù)和閾值的小波去噪算法[J]. 余本富,王維博,鄭永康,董蕊瑩.  傳感器與微系統(tǒng). 2017(12)
[3]基于TF-IDF和余弦相似度的文本分類方法[J]. 武永亮,趙書良,李長鏡,魏娜娣,王子晏.  中文信息學(xué)報. 2017(05)
[4]機車司機駕駛疲勞風(fēng)險動態(tài)量化評價研究[J]. 李響,徐玉萍,章海亮.  中國安全科學(xué)學(xué)報. 2017(02)



本文編號：3129821