-
题名基于集成学习模型的交通事故严重程度时空预测
被引量：1
- 1
-
-
作者
柳一航
沈航先
-
机构
华设设计集团股份有限公司
-
出处
《科技创新与应用》
2024年第8期28-35,共8页
-
文摘
为探究区域交通事故时空特征,精准预测事故严重程度,给交通运输主管部门提供决策支持,以英国交通事故统计数据作为研究基础,首先,将交通事故时空特征数据转化为网格化数据,并对空间特征进行二维卷积,利用时间特征合并二维卷积为三维卷积,解决网格冲突问题;其次,利用卷积神经网络(CNN)、长短期记忆人工神经网络(LSTM)模型的工作原理建立Stacking模型的基学习器和元学习器;最后,输出结果传入分类与回归树(CART),构建完整的事故严重程度预测集成学习模型。研究结果表明,集成学习模型较单一模型对预测效果更优,其AUC比CNN、LSTM和Conv-LSTM单一模型预测分别提升0.02、0.04和0.01;最终决策树选择中,CART决策树比随机森林(RF)和梯度提升决策树(GBDT)预测效果更优;预测结果在时间纬度上,“严重事故”事件占比较实际低3.95%,在空间纬度上,预测热力区域在0.5~1区间范围内与实际接近。
-
关键词
交通安全
交通事故
事故严重程度预测
机器学习
集成学习模型
-
Keywords
traffic safety
traffic accident
accident severity prediction
machine learning
integrated learning model
-
分类号
U491.3
[交通运输工程—交通运输规划与管理]
-
