TY -的A2陈冯盟——牛,三盟- Li Guiqiang PY - 2020 DA - 2020/07/09 TI -疲劳驾驶预测商业危险货物的卡车使用位置数据:疲劳驾驶和驾驶环境的关系SP - 4219562六世- 2020 AB -研究方法监测疲劳驾驶,因为疲劳驾驶造成的交通事故往往造成致命的后果。提出了一种新的方法来预测商业危险货物的卡车的驾驶疲劳使用位置数据(CDT)和司机的哈欠数据。拟议中的位置数据从现有的数据集的运输公司从166辆汽车和司机收集在一个实际的驾驶环境。六个不同类别的预测集视为与疲劳相关的指标包括旅行时间,星期,道路类型、连续驾驶时间,平均速度和总里程。司机的哈欠数据用作地面实况代理的分类算法。从六个不同类别的预测集,我们获得一组17个预测变量逻辑回归训练,神经网络和随机森林分类器。然后,我们评估的预测性能分类器基于三个指标:准确性、F1-measure, ROC曲线下的面积(AUROC)。结果表明,随机森林更适合预测疲劳驾驶使用位置数据根据其最佳精度(74.18%)、F1-measure(62.02%),和AUROC (0.8059)。最后,我们分析了疲劳驾驶和驾驶环境根据变量之间的关系描述的随机森林的重要性。总之,我们的结果很明显表现出潜在的位置数据减少疲劳驾驶造成的事故发生率。 SN - 0197-6729 UR - https://doi.org/10.1155/2020/4219562 DO - 10.1155/2020/4219562 JF - Journal of Advanced Transportation PB - Hindawi KW - ER -