基于XGBoost的自动驾驶汽车事故风险预测研究
打开文本图片集
摘 要：自动驾驶汽车风险具有复杂性和隐蔽性，不易被人为地发现和预防。为了更好地预测这些风险，利用美国加州自动驾驶事故数据集，从时间、地点、人员参与、天气等多维度提取数据，数据经过预处理从而构建自动驾驶事故数据库。然后，将XGBOOST算法与数据相结合，建立自动驾驶汽车事故风险预测分类模型。将XGBOOST算法与多种算法进行比较分析，结果表明，XGBOOST算法为较优，其训练和测试预测精度分别超过 92.27%和97.06%，能够有效地识别出高风险和低风险的自动驾驶汽车事故情况。（剩余4557字）