基于SVM的水上交通事故严重程度的影响因素研究

• 作者: 杨亚东 汪飞翔 田书冰 黄立文
• 来源期刊: 交通信息与安全
• 学科: 工学
• 关键词: 水上交通安全 水上交通事故 事故严重程度 SVM-RFE 多分类模型
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 交通安全
• 页码范围: 18-23,32
• 页数: 7页
• 分类号: X928.9
• 字数: 6232字
• 语种: 中文
• DOI: 10.3963/j.issn.1674-4861.2018.02.003

摘要

为研究水上交通事故中事故严重程度的影响因素,减小水上交通事故发生时的人员伤亡及财产损失,对2015-2016年的水上交通事故统计数据的分析.选取了水上交通事故数据中的船舶类型、事故发生时间、地点、船舶吨位、能见度和风力等级等相关因素建立了事故信息库.根据水上交通事故造成的人员伤亡数量和财产损失的大小,将事故严重程度分为3个等级,并建立了基于支持向量机(SVM)的三分类模型.然后通过交叉验证以及网格搜索算法优化SVM分类模型的惩罚参数和核函数参数,得到最优的分类模型.模型建立后,利用SVM-RFE算法求解上述影响因素对事故严重程度的权重值并排序,筛选出对于事故严重程度影响最大的因素.结果表明,支持向量机三分类模型总体分类准确率可达70% 以上;同时自沉事故、渔船事故和秋季发生的事故易造成较大的人员伤亡;危化品船舶,内河发生的事故和渔船易造成较大的财产损失.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨亚东	武汉理工大学航运学院	19	87	6.0	8.0
5	黄立文	武汉理工大学航运学院	75	609	13.0	20.0
9	汪飞翔	武汉理工大学航运学院	2	11	2.0	2.0
13	田书冰		3	9	1.0	3.0