基于组合模型的交通事故严重程度预测方法

论文摘要

由于各个单一分类模型对道路交通事故严重程度预测的局限性,为提升模型预测性能,致力于建立一种组合模型。结合卷积神经网络提取时空维度中的特征信息,采用stacking方式将CNN与XGBoost组合,最终生成道路交通事故严重性的分类模型(多层提升算法)。实验结果表明,此模型在测试集上预测精度为91. 51%,组合模型比单一分类模型具有更好的分类结果。基于组合模型的分类结果,对交通事故特征进行重要性排序,开展特征相关性分析,为减少道路交通事故及减轻道路交通事故严重等级的管理措施提供参考依据。

论文目录

• 0 引言
• 1 卷积神经网络与XGBoost简介
•   1.1 卷积神经网络
• 2 模型建立
•   2.1 强关联规则特征选择方法
•   2.2 事故严重程度预测方法
• 3 实验分析
•   3.1 基于组合模型的预测结果
•   3.2 误差分析及比较
•   3.3 诱因分析
• 4 结束语

文章来源

类型: 期刊论文

作者: 石雪怀,戚湧,张伟斌,李千目

关键词: 交通安全,交通事故严重程度,卷积神经网络,诱因分析

来源: 计算机应用研究 2019年08期

年度: 2019

分类: 信息科技,工程科技Ⅱ辑

专业: 公路与水路运输,自动化技术

单位: 南京理工大学计算机科学与工程学院,南京理工大学电子工程与光电技术学院

基金: 国家重点研发计划政府间国际科技创新合作重点专项资助项目(2016YFE0108000),江苏省重点研发计划资助项目(BE2017163),中央高校基本科研业务费专项资金资助项目(30916015104),中兴合作研究项目(2016ZTE04-11)

分类号: U491.265;TP183

DOI: 10.19734/j.issn.1001-3695.2018.03.0273

页码: 2395-2399

总页数: 5

文件大小: 1409K

下载量: 551