全书共分为7章。第1章介绍了驾驶行为谱的基本概念、驾驶行为特征提取，以及不良驾驶行为的碰撞风险、分类及影响因素分析。第2章阐述了驾驶行为数据的获取与处理方法，介绍了基于视频处理的车辆行驶轨迹提取技术、数据预处理技术和模拟实验平台及其模块功能。第3章介绍了不良驾驶行为谱的构建与特征值提取方法，为驾驶行为评估提供了量化依据。第4章介绍了可视化分析方法和频域特征分析方法，以及傅里叶变换和小波变换原理及其在驾驶行为分析中的应用。第5章分析了不同交通状态下驾驶行为的差异，并提出了碰撞风险评估方法和危险驾驶员标定方法。第6章提出了基于AutoML框架的风险驾驶员识别方法，包括采样方法（如ROS，SMOTE，SVMSSMOTE等）、成本敏感的XGBoost损失函数、概率校准等。第7章阐述了不良驾驶行为风险识别方法与评估指标体系的构建，并选取典型场景进行了案例分析。

第1章 绪论
1.1 驾驶行为谱
1.2 驾驶行为特征提取
1.3 不良驾驶行为碰撞风险
1.4 不良驾驶行为分类
1.5 不良驾驶行为影响因素分析
参考文献
第2章 道路驾驶行为数据采集与预处理技术
2.1 基于视频处理的车辆行驶轨迹提取
2.2 数据预处理技术
2.3 驾驶模拟实验
2.3.1 驾驶模拟仿真平台
2.3.2 模拟仿真实验场景设计
2.3.3 模拟仿真实验流程
2.3.4 模拟仿真实验人员
2.4 自然驾驶实验
2.4.1 实验设备
2.4.2 实验流程
第3章 不良驾驶行为谱构建与特征值计算方法
3.1 研究现状
3.2 技术路线
3.3 不良驾驶行为谱分析方法
3.3.1 驾驶行为谱构成
3.3.2 不良驾驶行为谱与风险度量
3.3.3 不良驾驶行为阈值
3.3.4 不良驾驶行为谱特征值
3.4 数据
3.5 分析结果
3.5.1 交通流状态划分与驾驶行为的差异
3.5.2 不良驾驶行为特征参数的差异
3.5.3 不良驾驶行为谱特征参数阈值
3.5.4 不良驾驶行为得分
3.5.5 不良驾驶行为谱的特征值
3.5.6 验证
3.6 小结
参考文献
第4章 驾驶人驾驶行为特征分析
4.1 驾驶行为分析方法
4.1.1 基本特征分析
4.1.2 可视化分析
4.1.3 差异性分析
4.1.4 频域特征分析
4.2 不同驾驶状态下驾驶特征分析
4.2.1 时域特征分析
4.2.2 频域特征分析
4.3 不同场景下驾驶行为特征分析
4.3.1 参数基本特征分析
4.3.2 可视化分析
4.3.3 差异性分析
4.4 不同个体驾驶行为特征分析
4.4.1 可视化分析
4.4.2 差异性分析
参考文献
第5章 基于人工智能的不良驾驶行为识别与验证
5.1 研究现状
5.2 数据
5.3 建模方法
5.3.1 碰撞风险评估
5.3.2 危险驾驶员标定
5.3.3 特征提取和选择
5.3.4 场景感知模型结构
5.3.5 分类器
5.3.6 概率校准
5.3.7 交叉验证和评估
5.4 结果
5.4.1 碰撞风险和危险的驾驶员
5.4.2 三种交通状态的驾驶行为参数
5.4.3 模型结果
5.5 讨论
5.6 小结
参考文献
第6章 基于自动机器学习的不平衡危险驾驶数据分类算法
6.1 概述
6.2 数据
6.3 建模方法
6.3.1 特征提取与选择
6.3.2 采样方法
6.3.3 成本敏感的XGBoost损失函数
6.3.4 概率校准
6.3.5 自动化机器学习
6.3.6 交叉验证和评估指标
6.4 结果与讨论
6.4.1 碰撞风险和危险驾驶员
6.4.2 自动化机器学习结果
6.4.3 手动搜索类不平衡处理方法
6.4.4 采样方法和概率校准的比较
6.4.5 最后结果
6.5 小结
参考文献
第7章 不良驾驶行为的风险评估
7.1 不良驾驶行为风险识别
7.1.1 不良驾驶行为的致灾机理
7.1.2 不良驾驶行为的风险因素识别
7.2 不良驾驶行为风险评估指标体系
7.2.1 路段风险评估指标体系构建
7.2.2 路段风险评估指标的量化
7.2.3 路段风险评估指标权重分配
7.3 不良驾驶行为综合风险评估模型
7.3.1 单个路段场景的风险等级评价
7.3.2 多个路段场景的风险关联序构建
7.4 案例分析
7.4.1 典型场景选取
7.4.2 典型场景的风险等级
7.4.3 典型场景的风险关联序
参考文献