原文传递
基于SVM事故分类的连环追尾事故影响因素分析
| 题名： | 基于SVM事故分类的连环追尾事故影响因素分析 |
| 正文语种： | 中文 |
| 作者： | 柳本民;闫寒; |
| 作者单位： | 同济大学道路与交通工程教育部重点实验室； |
| 关键词： | 交通安全;连环追尾事故;分类识别;SVM-RFE;随机森林 |
| 摘要： | 以美国公路2013—2015年所有的追尾事故数据为样本,研究导致连环追尾事故发生的关键影响因素。通过随机森林进行特征筛选,选取了与时间、驾驶人、车辆、道路和环境有关的14个相关因素作为支持向量机的输入变量,建立了基于SVM的2车追尾事故与连环追尾事故二分类模型。得到分类准确率:训练集为97.42%,测试集为80.32%,AUC为0.7,说明2种事故之间存在显著差异,且SVM模型能够较好的将2种事故进行区分。根据SVM-RFE算法计算影响分类效果的特征变量的相对重要度,得到4个对2种事故产生区别影响较大的因 |
| 期刊名称： | 交通信息与安全 |
| 出版年： | 2020 |
| 期： | 01 |
| 页码： | 43-51 |
检索历史
应用推荐
