原文传递
融合深度反残差与注意力机制的山区高速公路事故严重程度预测模型
| 题名： | 融合深度反残差与注意力机制的山区高速公路事故严重程度预测模型 |
| 作者： | 吕璞;柏强;陈琳 |
| 作者单位： | 长安大学运输工程学院 |
| 关键词： | 交通工程;山区高速公路;反残差;注意力机制;神经网络;交通审故 |
| 摘要： | 山区高速公路事故严重程度预测对保障交通安全具有重大意义。针对现有事故严重程度预测模型存在准确率低、泛化性差等问题,考虑到深度卷积神经网络可以离效处理图像问题,为此将事故影响因素图像化,提出一种融合深度反残差与注意力机制的山区离速公路事故严重程度预测模型。该模型首先采用相关性分析确定影响交通事故严重程度的因素,依据严重程度与影响因素将事故划分为财产损失、轻伤事故、重伤审故和死亡事故4类;然后将形响因素处理成图片的形式,进而将审故严重程度预测问题转化为图像的分类问题,随之构建基于反残差与注意力机制的山区高速公路故严重程度预测模型,其中:基于深度可分离卷积的反残差结构可以以较少训练参数获取较高的准确率,基于软阈值的注意力机制作为一种非线性层可以忽略与审故严重程度无关的信息,Mish激活函数可以确保更好的信息流入神经网络。结果表明:在山区高速公路交通安全事故严重程度评估中,相比于传统的机器学习模型,所提出的模型识别准确率具有明显的提高,且测试准确率为85%左右,满足山区高速公路安全评估的实际预测需求。 |
| 期刊名称： | 中国公路学报 |
| 出版日期： | 202106 |
| 出版年： | 2021 |
| 期： | 06 |
| 页码： | 205-213 |
检索历史
应用推荐
