基于支持向量机的轨道司机驾驶水平评价方法研究

针对轨道交通司机驾驶水平定量化评价问题,笔者在数据提取、数据降噪和数据降维的基础上,构建了基于支持向量机的轨道司机驾驶水平评价模型方法对该问题进行了研究。研究结果表明:选用高斯核函数的SVM模型在准确率和稳定性上要优于普通、线性和多项式SVM模型,和人工评价结果比较其余弦相似度均高于0.98,模型评价结果的有效性。

城市轨道交通司机驾驶水平评价模型研究

为了提高城市轨道交通服务水平和智能化管理水平,有必要对司机驾驶水平进行定量化评价。以行车记录系统中时间速度时序数据为基础,首先利用特征提取和降维技术处理原始数据,然后提出了一种将多种聚类算法和模糊综合评价结合的混合评价模型,最后对某地铁6号线8位司机驾驶数据进行研究。结果表明:8位司机驾驶等级分别为及格、及格、一般、差、良、良、一般、一般,说明该地铁6号线司机驾驶水平整体偏低,有较大提升空间。