-
题名基于多源数据融合的高速公路交通事故黑点判别
被引量：5
- 1
-
-
作者
龙科军
邹道兴
何石坚
-
机构
长沙理工大学智能道路与车路协同湖南省重点实验室
长沙理工大学交通运输工程学院
-
出处
《长沙理工大学学报（自然科学版）》
CAS
2022年第1期89-95,共7页
-
基金
国家自然科学基金资助项目(51678076)
湖南省重点领域研发计划项目(2019SK2171)
长沙理工大学研究生科研创新项目(CX2020SS12)。
-
文摘
【目的】提高高速公路交通事故黑点判别精度。【方法】基于高速公路交通事故数据,融合异常驾驶行为数据与高速公路特征点数据,创建高速公路黑点特征数据集,并将集成学习的CatBoost算法应用于G4高速公路湖南段交通事故黑点的判别。【结果】与支持向量机、随机森林和梯度提升决策树算法相比,CatBoost在判别高速公路事故黑点上的准确率达到了81%,F_(1)值为0.88,A_(UC)值分别提高了17%、13%和17%,说明其判别效果优于其他3种机器学习算法。【结论】基于多源数据融合的高速公路交通事故黑点判别方法能够有效判别出高速公路存在的事故黑点,并能输出每个相关变量对事故结果的贡献值。研究成果可应用于高速公路事故黑点的筛查,并指导管理人员制定相应的预防措施。
-
关键词
交通安全
数据挖掘
事故黑点判别
集成学习
CatBoost
-
Keywords
traffic safety
data mining
identification of accident black spots
ensemble learning
CatBoost
-
分类号
U491
[交通运输工程—交通运输规划与管理]
-
