利用网联车辆轨迹数据评估超速的影响
机器学习
2023-03-30 v1
摘要
超速过去是并且现在仍是交通事故致死的主要促成因素。各类交通机构已提出速度管理策略以减少干线道路上的超速现象。尽管已有各种关于超速比例（超过限速）的分析研究，但鲜有研究考虑其对个体行程的影响。许多研究利用来自检测器的速度数据，其局限在于缺乏驾驶员所行路线的信息。本研究旨在探究个体在特定行程中所经历的各种道路特征对超速比例的影响。我们利用网联车辆轨迹数据来识别驾驶员的行驶路径及车辆相关变量。使用多种学习模型预测超速比例水平。性能最佳的模型Extreme Gradient Boosting达到了0.756的准确率。所提模型可用于理解环境与车辆路径如何影响驾驶员的超速行为，并预测高超速比例区域。结果表明，与个体驾驶员行程相关的特征（如总行程时间）对超速有显著贡献。与个体驾驶员行程环境相关的特征（如居住区比例）也对降低超速比例有显著效果。期望这些发现能帮助交通机构更多地了解与个体驾驶员行程相关的超速因素。
引用
@article{arxiv.2303.16396,
title = {Using Connected Vehicle Trajectory Data to Evaluate the Effects of Speeding},
author = {Jorge Ugan and Mohamed Abdel-Aty and Zubayer Islam},
journal= {arXiv preprint arXiv:2303.16396},
year = {2023}
}