基于CatBoost 和SHAP 的高级别自动驾驶车辆非预期停车冲突风险预测
打开文本图片集
摘 要：针对高级别自动驾驶车辆非预期停车引发的交通冲突及其环境影响问题，现有研究缺乏对风险特征交互的捕获和可解释性评估。本研究提出了一种基于CatBoost 和SHAP 的风险预测及解释模型，通过分析城市中心、住宅区和郊区交通网络的接管次数，构建了冲突风险预测模型。结果表明，接管次数在城市中心、住宅区和郊区分别为161 次、227 次和164 次，最高单路段接管次数分别为11 次、11 次和16 次；模型预测精度达93% 以上。（剩余2278字）