-
题名基于聚类分析和SVM的二级公路交通事故严重度预测
被引量：9
- 1
-
-
作者
杨文臣
周燕宁
田毕江
郭凤香
胡澄宇
-
机构
云南省交通规划设计研究院有限公司陆地交通气象灾害防治技术国家工程实验室
深圳市城市交通规划设计研究中心股份有限公司
昆明理工大学交通工程学院
-
出处
《中国安全科学学报》
CAS
CSCD
北大核心
2022年第5期163-169,共7页
-
基金
国家自然科学基金资助(71961012)
国家重点研发计划项目(2017YFC0803906)
+1 种基金
云南省基础研究计划项目(2019FB072)
公司自立科技项目(ZL-2019-04)。
-
文摘
为明析输入特征对交通事故严重度机器学习预测模型的影响,基于1808条山区二级公路事故数据,选择12个事故严重度的影响因素作为候选特征变量,采用K-means(KM)聚类算法离散化事故严重度的连续特征变量,采用随机森林(RF)算法识别事故严重度的重要特征变量,通过组合3种输入特征变量(候选特征、KM特征、RF特征)和支持向量机(SVM)算法,分别构建事故严重度的3种SVM预测模型(SVM*、KM-SVM和RF-SVM),并分析3种SVM模型的预测性能及适用性。结果表明:通过离散连续变量和识别关键特征参数,可显著提高RF-SVM模型的预测准确率,重伤和死亡事故的预测准确率提高达40%;特征选择对SVM模型性能的影响程度要小于连续变量离散化;RF-SVM模型可获得比二元logistic回归模型更好的预测性能,但对不同输入特征的敏感性较高。
-
关键词
k-means(km)聚类
支持向量机(SVM)
事故严重度
山区二级公路
随机森林(RF)
机器学习
-
Keywords
k-means(km)clustering
support vector machine(SVM)
accident severity
secondary mountainous highway
random forest(RF)
machine learning
-
分类号
X951
[环境科学与工程—安全科学]
U491
[交通运输工程—交通运输规划与管理]
-
-
题名基于K-Means的无线传感网络节能算法研究
被引量：4
- 2
-
-
作者
李伟
张凤梅
-
机构
西安邮电大学自动化学院
-
出处
《传感器与微系统》
CSCD
北大核心
2021年第4期41-44,共4页
-
文摘
针对K-Means(KM)算法在GEC算法成簇过程中随机选取初始聚类中心,导致分簇不均匀,簇头选取不合理以及能量损耗过大的问题,提出了改进算法KM-LEACH。首先采用KM聚类算法进行分簇,并针对KM算法中随机选取初始聚类中心易造成局部最小解的问题,采用遗传算法改进,选出最优初始聚类中心进而达到全局优化;然后引入剩余能量和位置影响因子合理选取簇头;最后采用时分多址(TDMA)方式向簇首传输数据,减少网络拥塞的次数,降低数据传输的能耗。改进后的KM聚类算法可一次成簇并均匀分簇,降低成簇过程中的能量损耗;引入影响因子可合理选择簇首,均衡网络中能量损耗。仿真实验结果表明:与LEACH及引入传统KM的LEACH算法相比,所提算法能更好地节省能耗,延长网络生存期。
-
关键词
k-means聚类算法
遗传算法
剩余能量因子
位置影响因子
-
Keywords
k-means(km)clustering algorithm
genetic algorithm
residual energy factor
location influence factor
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
TP212
[自动化与计算机技术—计算机科学与技术]
-
