结合情境评判我：弱风险标签下的基于车联网数据的驾驶风险预测框架
机器学习
2023-05-09 v1
摘要
驾驶风险预测在过去几十年中一直是大量研究的主题，旨在最小化驾驶风险并提升安全性。在风险预测中使用人口统计信息是一种传统方案，应用于保险规划等领域，然而难以通过此类粗粒度因素捕捉真实的驾驶行为。因此，车联网（telematics）数据的使用在过去十年中获得了广泛普及。尽管现有研究大多在车联网数据之外还利用人口统计信息，我们的目标是最大化利用车联网数据及情境信息（如道路类型）来构建具有真实世界应用的风险预测框架。我们以多种形式对车联网数据进行情境化，并据此开发风险分类器，假设存在若干弱风险标签（如过往交通违章记录）。但在构建风险分类器之前，我们采用一种新颖的数据驱动流程来增广弱风险标签。基于美国多个主要城市的真实世界数据进行的广泛分析与结果证明了所提框架的有效性。
引用
@article{arxiv.2305.03740,
title = {Judge Me in Context: A Telematics-Based Driving Risk Prediction Framework in Presence of Weak Risk Labels},
author = {Sobhan Moosavi and Rajiv Ramnath},
journal= {arXiv preprint arXiv:2305.03740},
year = {2023}
}
备注
Preprint submitted for peer-review