針對(duì)軌道交通司機(jī)駕駛水平定量化評(píng)價(jià)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(jī)的軌道司機(jī)駕駛水平評(píng)價(jià)模型方法對(duì)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(xiàng)式SVM模型,和人工評(píng)價(jià)結(jié)果比較其余弦相似度均高于0.98,模型評(píng)價(jià)結(jié)果的有效性。 

【文章來源】：重慶交通大學(xué)學(xué)報(bào)(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(shí)刻-速度曲線

筆者以Python語言編程實(shí)現(xiàn)所有處理和計(jì)算[7]，通過對(duì)實(shí)際數(shù)據(jù)按上述方法處理得到261個(gè)自動(dòng)駕駛樣本和71個(gè)人工駕駛樣本，進(jìn)一步對(duì)所有樣本的維度進(jìn)行統(tǒng)計(jì)，結(jié)果如圖2。一次正常行駛時(shí)間一般不會(huì)低于30 s，在這個(gè)時(shí)間內(nèi)會(huì)采集150個(gè)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(gè)這種異常樣例。

對(duì)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(shí)，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(xiàng)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(jī)法的混凝土強(qiáng)度對(duì)拼寬T梁橋時(shí)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(bào)(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(bào). 2017(05)
[4]機(jī)車司機(jī)駕駛疲勞風(fēng)險(xiǎn)動(dòng)態(tài)量化評(píng)價(jià)研究[J]. 李響,徐玉萍,章海亮.  中國安全科學(xué)學(xué)報(bào). 2017(02)



本文編號(hào)：3129821