基于XGBoost-SHAP和随机参数多元Logit模型的道路适驾性评估方法

本发明公开了基于XGBoost‑SHAP和随机参数多元Logit模型的道路适驾性评估方法，涉及道路适驾评估分析领域，具体包括以下步骤：S1：利用自动驾驶汽车数据集中的前行车记录仪数据和IMU数据；S2：建立了道路环境美学的量化模型，从自然性、生动性、多样性和统一性四个方面提取相关特征变量；S3：采用XGBoost与SHAP相结合的可解释机器学习方法，以危险驾驶行为的发生为因变量，道路环境美学特征为自变量，建立自动驾驶汽车的道路适驾性RRAV评价模型，研究道路环境美学与自动驾驶汽车的危险驾驶行为RDBAV之间的关系；S4：采用考虑均值及方差异质性的随机参数多元Logit模型，研究道路适驾性评价模型中随机参数异质性对RDBAV的影响。
同济大学
姚思喆 | 余博 | 陈雨人 | 冯翔宇 | 任蔚溪