基于组合模型的交通事故严重程度预测方法

• 作者: 张伟斌 戚湧 李千目 石雪怀
• 来源期刊: 计算机应用研究
• 关键词: 交通安全 交通事故严重程度 XGBoost 卷积神经网络 诱因分析
• 年，卷（期）: 2019,（8）
• 所属期刊栏目: 系统应用开发
• 页码范围: 2395-2399
• 页数: 5页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2018.03.0273

摘要

由于各个单一分类模型对道路交通事故严重程度预测的局限性,为提升模型预测性能,致力于建立一种组合模型.结合卷积神经网络提取时空维度中的特征信息,采用stacking方式将CNN与XGBoost组合,最终生成道路交通事故严重性的分类模型(多层提升算法).实验结果表明,此模型在测试集上预测精度为91.51％,组合模型比单一分类模型具有更好的分类结果.基于组合模型的分类结果,对交通事故特征进行重要性排序,开展特征相关性分析,为减少道路交通事故及减轻道路交通事故严重等级的管理措施提供参考依据.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李千目	南京理工大学计算机科学与工程学院	169	1365	19.0	28.0
2	戚湧	南京理工大学计算机科学与工程学院	134	1347	20.0	31.0
3	张伟斌	南京理工大学电子工程与光电技术学院	8	18	2.0	4.0
4	石雪怀	南京理工大学计算机科学与工程学院	2	2	1.0	1.0