实时交通流条件下船舶航道航行风险预警模型

• 作者: 张树奎 肖英杰
• 来源期刊: 上海海事大学学报
• 关键词: 航道 航行风险 预警 随机森林模型 贝叶斯网络
• 年，卷（期）: 2015,（4）
• 页码范围: 11-15
• 页数: 5页
• 分类号: U698
• 语种: 中文
• DOI: 10.13340/j.jsmu.2015.04.003

摘要

为提高航道内实时交通事故预警精度,基于长江下游两个水道内发生的交通事故数据和船舶检测器数据,运用随机森林(Random Forest,RF)模型对事故发生前20 ～40 min内的航道状态初始数据进行重要变量筛选,根据筛选出的4个最重要的变量结合高斯混合模型和最大期望算法构建新的事故预警贝叶斯网络(Bayesian Network,BN)模型.实例检验表明:新的BN模型优于直接利用初始数据建立的模型,事故预警正确率达到81.29％;可转移性测试中新的BN模型的事故预警正确率虽有所降低,但整体预警正确率和事故预警正确率仍高于利用初始数据建立的模型;新的BN模型用于实时船舶交通流航行风险预警是有效的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	肖英杰	上海海事大学商船学院	124	651	14.0	17.0
2	张树奎	江苏海事职业技术学院航海技术学院	44	115	7.0	9.0