文本数据驱动下的高速公路事故持续时间预测模型

• 作者: 纪柯柯 陈坚 肖思瑶 王祥宇 刘亦欣 傅志妍
• 来源期刊: 交通信息与安全
• 学科: 交通运输
• 关键词: 智能交通 高速公路 事故持续时间 自然语言处理 文本分类
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 交通安全
• 页码范围: 9-16
• 页数: 8页
• 分类号: U491.4
• 语种: 中文
• DOI: 10.3963/j.jssn.1674-4861.2020.06.002

摘要

事故持续时间的预测是高速公路应急管理的基础,及时准确的事故持续时间预测可为道路疏导和组织救援提供可靠依据.针对道路交通事故信息及其异质性主要以自由流文本存在的问题,研究了基于文本数据的高速公路事故持续时间预测方法,可应用于以自然语言形式存在的任何信息文本.并在此基础上,构建V-Fisher有序聚类模型,结合多种文本分类算法,开展模型结果的对比分析.结果表明,与一般回归算法相比,V-Fisher有序聚类模型可更好的实现对事故持续时间的预测,且通过集成学习(SVR+LR)建立的分类模型准确率达到0.82,取得良好的预测效果.