基于PCA-RF组合模型的隧道交通事故持续时间预测

• 作者: 何珂 杨顺新 郜勇刚
• 来源期刊: 交通信息与安全
• 学科: 交通运输
• 关键词: 交通安全 持续时间 预测 主成分分析 随机森林 组合模型
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 交通安全
• 页码范围: 26-32
• 页数: 7页
• 分类号: U491.31
• 字数: 5820字
• 语种: 中文
• DOI: 10.3963/j.issn.1674-4861.2019.05.004

摘要

使用主成分分析(PCA)和随机森林(RF)组合模型对高速公路隧道交通事故持续时间进行预测.主成分分析用来提高随机森林模型的精度与效率.此外,通过调节2个模型参数,包括决策树数目和最大树深度来提高模型精度和避免模型过拟合.参数优化的结果表明,建模时决策树数目取150、最大树深度取10可降低模型的泛化误差.用以建模的数据包括了山西省的所有高速公路隧道自2012—2017年内的2115起事故数据.每起事故数据包括16个变量,包括隧道类型,事故发生位置类型,事故类型等.结果表明,PCA-RF组合模型的平均绝对误差为12.80 min,误差20 min以内的准确率为89.15％,取得了良好的预测效果.并且,PCA-RF组合模型的精度高于RF模型,说明PCA-RF组合模型能够提高事故持续时间预测的精度.且PCA能够降低数据维度,提高算法的效率.与人工神经网络模型的结果表明,PCA-RF组合模型预测结果精度高且其模型更简单、效率更高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨顺新	东南大学交通学院	19	60	4.0	7.0
2	何珂	东南大学交通学院	1	0	0.0	0.0