基于XGBoost 的短時出租車速度預測模型*

肖 宇 趙建有 叱干都 劉清云

（1.長安大學運輸工程學院 西安 710064；2.長安大學汽車學院 西安 710064）

0 引 言

出租車是城市營運車輛的重要組成部分[1]，出租車駕駛員能否規范行車對城市居民出行具有廣泛的影響。隨著信息獲取技術的持續發展和地理信息設備的廣泛應用，通過裝載GPS設備，可以實時獲得出租車運行的速度和方向等信息，有利于準確識別出租車駕駛員異常駕駛行為，并向駕駛員做出預警，能夠有效規避風險，提高運營安全性。

現有的異常駕駛行為識別研究主要是基于車輛歷史軌跡數據，對駕駛行為進行事后分析與評價[2]。惠飛等[3]基于車輛駕駛過程中行車數據的時序變化特征，建立了雙向長短記憶網絡及全連接神經網絡的拓展模型，提高了車輛異常駕駛的識別準確度。趙建東等[4]構建了1 種基于時間序列符號化算法和多尺度卷積神經網絡的組合模型，用于識別重點營運車輛的異常駕駛行為。但相較于事前分析，事后分析對保障出行安全存在一定的滯后性和模糊性，駕駛行為也往往局限于超速和疲勞駕駛等方面。出租車的運行地點一般是城市道路，車流量和人流量較多，易發生緊急避讓或交通擁堵等事件，駕駛員頻繁急加減速等行為較多，這會對乘客的出行體驗舒適度產生直接影響。因此，通過預測個體出租車速度，能夠對駕駛員異常駕駛行為提前發出提示或警告，降低城市交通風險發生概率，是保障出租車行業規范駕駛亟待解決的問題。……