华南理工大学学报(自然科学版) ›› 2025, Vol. 53 ›› Issue (6): 66-76.doi: 10.12141/j.issn.1000-565X.240243
吴飞 孙现魁 王鹏程
武汉理工大学 机电工程学院,湖北 武汉430000
WU Fei SUN Xiankui WANG Pengcheng
摘要:
为提高驾驶性评价方法的准确性与可靠性,提出一种融合极限梯度提升算法与沙普利解释算法的主客观综合评价方法。本文以车辆起步工况为研究目标,定义车辆起步工况下的9项客观评价指标。提出以极限梯度提升算法双向映射客观评价指标值与主观评分,并利用沙普利解释算法对映射模型进行特征归因,构建兼具预测准确性与可解释性的驾驶性综合评价模型。应用该方法进行多次道路试验,对比分析多种驾驶性综合评价方法,结果表明:本文所述方法的映射准确性相较 BP 神经网络、随机森林与极限学习机等主流驾驶性评价算法具有明显提升,且该驾驶性综合评价方法具有一定的可解释性,对驾驶性评价中的主客观综合评价具有参考意义。