期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
山区双车道公路货车碰撞预测的双变量冲突极值模型
被引量:
5
1
作者
戢晓峰
耿昭师
《交通运输系统工程与信息》
EI
CSCD
北大核心
2022年第2期230-238,共9页
为预测山区双车道公路货车与冲突车辆发生的碰撞,本文基于无人机视频,提取货车与交互车辆的高精度轨迹数据,选取适用于不同运行轨迹的交通冲突指标,结合极值理论,构建双变量冲突极值(BTCEV)模型,将后侵入时间(PET)与碰撞时间(TTC)纳入...
为预测山区双车道公路货车与冲突车辆发生的碰撞,本文基于无人机视频,提取货车与交互车辆的高精度轨迹数据,选取适用于不同运行轨迹的交通冲突指标,结合极值理论,构建双变量冲突极值(BTCEV)模型,将后侵入时间(PET)与碰撞时间(TTC)纳入统一框架,实现山区双车道公路货车与冲突车辆的碰撞预测,并以云南省货车事故高发的山区双车道公路为例,验证BTCEV模型的预测性能。研究表明:PET为0.382 s、TTC为4.471 s是山区双车道公路货车严重冲突的阈值;BTCEV模型预测山区双车道公路货车年事故发生率为5.84%,预测准确性高达98.92%,较PET模型以及TTC模型分别提高了167.33%和10.80%;且相比于单变量模型,双变量模型所估计的置信区间更窄,预测精度更高。研究结果将山区双车道公路货车碰撞预测方法从单变量扩展到双变量,在山区货车交通安全分析方面有广阔的应用前景。
展开更多
关键词
交通工程
货车碰撞预测
双变量冲突极值模型
山区双车道公路
车辆运行轨迹
下载PDF
职称材料
基于机器学习的高速公路大型货车追尾风险预测
被引量:
1
2
作者
温惠英
黄坤火
赵胜
《中国安全科学学报》
CAS
CSCD
北大核心
2023年第9期173-180,共8页
针对高速公路大型货车追尾事故频发的问题,评估高速公路大型货车追尾风险,并分析交通流特性对大型货车追尾风险的影响,以降低追尾事故的发生率。根据德国HighD开源数据集,以不同冲突风险等级的碰撞时间(TTC)阈值作为大型货车冲突风险的...
针对高速公路大型货车追尾事故频发的问题,评估高速公路大型货车追尾风险,并分析交通流特性对大型货车追尾风险的影响,以降低追尾事故的发生率。根据德国HighD开源数据集,以不同冲突风险等级的碰撞时间(TTC)阈值作为大型货车冲突风险的划分标准,提取大型货车的车辆轨迹与交通特征参数等数据,基于随机森林(RF)、支持向量机(SVM)和人工神经网络(ANN)等3种机器学习模型分别建立高速公路大型货车追尾风险实时预测模型;以混淆矩阵、受试者工作特征曲线的曲线下面积(AUC)和洛伦兹(KS)检验等评价指标,对比分析各模型的整体预测能力,并选取预测精度最好的模型分析各个特征参数对追尾风险的影响程度。研究结果表明:RF模型的预测准确率达75%,相对SVM模型高出8%,相对ANN模型高出10%,且RF模型的预测精确度、召回率、AUC值和KS值均优于SVM模型和ANN模型;最小车头间距、车速标准差和加速度标准差3个参数对大型货车追尾风险影响程度最高。
展开更多
关键词
机器学习
高速公路
大型货车
追尾风险
预测模型
碰撞时间(TTC)
下载PDF
职称材料
题名
山区双车道公路货车碰撞预测的双变量冲突极值模型
被引量:
5
1
作者
戢晓峰
耿昭师
机构
昆明理工大学
出处
《交通运输系统工程与信息》
EI
CSCD
北大核心
2022年第2期230-238,共9页
基金
国家自然科学基金(52062024)。
文摘
为预测山区双车道公路货车与冲突车辆发生的碰撞,本文基于无人机视频,提取货车与交互车辆的高精度轨迹数据,选取适用于不同运行轨迹的交通冲突指标,结合极值理论,构建双变量冲突极值(BTCEV)模型,将后侵入时间(PET)与碰撞时间(TTC)纳入统一框架,实现山区双车道公路货车与冲突车辆的碰撞预测,并以云南省货车事故高发的山区双车道公路为例,验证BTCEV模型的预测性能。研究表明:PET为0.382 s、TTC为4.471 s是山区双车道公路货车严重冲突的阈值;BTCEV模型预测山区双车道公路货车年事故发生率为5.84%,预测准确性高达98.92%,较PET模型以及TTC模型分别提高了167.33%和10.80%;且相比于单变量模型,双变量模型所估计的置信区间更窄,预测精度更高。研究结果将山区双车道公路货车碰撞预测方法从单变量扩展到双变量,在山区货车交通安全分析方面有广阔的应用前景。
关键词
交通工程
货车碰撞预测
双变量冲突极值模型
山区双车道公路
车辆运行轨迹
Keywords
traffic
engineering
truck
collision
prediction
bivariate
traffic
conflict
extreme
value
model
two-lane
mountain
highway
vehicle
trajectory
分类号
U491.31 [交通运输工程—交通运输规划与管理]
下载PDF
职称材料
题名
基于机器学习的高速公路大型货车追尾风险预测
被引量:
1
2
作者
温惠英
黄坤火
赵胜
机构
华南理工大学土木与交通学院
出处
《中国安全科学学报》
CAS
CSCD
北大核心
2023年第9期173-180,共8页
基金
国家自然科学基金资助(52172345)。
文摘
针对高速公路大型货车追尾事故频发的问题,评估高速公路大型货车追尾风险,并分析交通流特性对大型货车追尾风险的影响,以降低追尾事故的发生率。根据德国HighD开源数据集,以不同冲突风险等级的碰撞时间(TTC)阈值作为大型货车冲突风险的划分标准,提取大型货车的车辆轨迹与交通特征参数等数据,基于随机森林(RF)、支持向量机(SVM)和人工神经网络(ANN)等3种机器学习模型分别建立高速公路大型货车追尾风险实时预测模型;以混淆矩阵、受试者工作特征曲线的曲线下面积(AUC)和洛伦兹(KS)检验等评价指标,对比分析各模型的整体预测能力,并选取预测精度最好的模型分析各个特征参数对追尾风险的影响程度。研究结果表明:RF模型的预测准确率达75%,相对SVM模型高出8%,相对ANN模型高出10%,且RF模型的预测精确度、召回率、AUC值和KS值均优于SVM模型和ANN模型;最小车头间距、车速标准差和加速度标准差3个参数对大型货车追尾风险影响程度最高。
关键词
机器学习
高速公路
大型货车
追尾风险
预测模型
碰撞时间(TTC)
Keywords
machine
learning
freeway
truck
risk
of
rear-end
collision
prediction
model
time-to-
collision
(TTC)
分类号
X951 [环境科学与工程—安全科学]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
山区双车道公路货车碰撞预测的双变量冲突极值模型
戢晓峰
耿昭师
《交通运输系统工程与信息》
EI
CSCD
北大核心
2022
5
下载PDF
职称材料
2
基于机器学习的高速公路大型货车追尾风险预测
温惠英
黄坤火
赵胜
《中国安全科学学报》
CAS
CSCD
北大核心
2023
1
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部