基于XGBoost的自動駕駛汽車事故風險預測研究

打開文本圖片集

摘 要：自動駕駛汽車風險具有復雜性和隱蔽性，不易被人為地發(fā)現(xiàn)和預防。為了更好地預測這些風險，利用美國加州自動駕駛事故數(shù)據(jù)集，從時間、地點、人員參與、天氣等多維度提取數(shù)據(jù)，數(shù)據(jù)經(jīng)過預處理從而構建自動駕駛事故數(shù)據(jù)庫。然后，將XGBOOST算法與數(shù)據(jù)相結合，建立自動駕駛汽車事故風險預測分類模型。將XGBOOST算法與多種算法進行比較分析，結果表明，XGBOOST算法為較優(yōu)，其訓練和測試預測精度分別超過 92.27%和97.06%，能夠有效地識別出高風險和低風險的自動駕駛汽車事故情況。（剩余4557字）