基于文本挖掘的道路运输安全风险源辨识模型

• 作者: 罗文慧 蔡凤田 吴初娜 夏鸿文 孟兴凯
• 来源期刊: 西南交通大学学报
• 学科: 交通运输
• 关键词: 道路运输 安全风险源辨识 文本挖掘 卷积神经网络 因果句子抽取
• 年，卷（期）: 2021,（1）
• 页码范围: 147-152
• 页数: 6页
• 分类号: U491.14
• 语种: 中文
• DOI: 10.3969/j.issn.0258-2724.20200140

摘要

为了解决当前道路运输安全风险源辨识工作中数据短缺和人员工作量较大的问题,从文本挖掘的角度出发,提出一种能够自动辨识道路运输过程中安全风险源的模型.该模型首先对道路运输文本进行因果句提取,并对因果句进行分词操作,实现安全风险源特征的增强;其次,进行适应卷积神经网络(convolutional neural networks,CNN)输入的、包含词信息和位置信息的特征构造;然后,将特征构造的结果输入到CNN实现安全风险源的辨识;最后,利用道路交通事故报告进行实验.实验结果表明:提出的辨识模型能辨识大部分的道路运输安全风险源因素,准确率约为77.321％.