原文传递
基于混合核极限学习机的交叉口事故严重程度预测研究
| 论文题名： | 基于混合核极限学习机的交叉口事故严重程度预测研究 |
| 关键词： | 道路交叉口;事故严重程度预测;鹈鹕优化算法;混合核极限学习机 |
| 摘要： | 随着经济快速发展、机动化进程不断加快，交通需求大幅增加，导致了各种交通安全问题，给人们带来巨大的生命财产损失。而交叉口作为道路交通系统的关键枢纽，交通流复杂，交通事故频发。解决交通安全问题的出发点是对事故进行科学合理的分析和预测。对于大样本、高维度的交通事故数据，在事故影响因素分析方面，因子分析模型可以对数据起到很好的降维作用；在事故预测方面，机器学习方法有着很好的适用性和预测准确度。基于此，本文深入挖掘交叉口交通事故数据，基于因子分析模型，从道路、环境、车辆、驾驶员四个方面，对交叉口交通事故影响因素进行研究分析，了解其对事故的内在作用机理。将优化算法与机器学习方法结合，构建适用于交叉口交通事故严重程度预测的模型，为事故严重程度预测提供准确度和适应性更强的方法。 首先本文以英国2019年交通事故数据为研究对象，选取发生在交叉口的事故数据，使用LOF算法对事故异常数据点进行检测和清洗。基于道路、环境、车辆、驾驶员四个方面选取了19个特征变量，并对数据进行归一化处理。 其次，建立了交叉口事故因子分析模型，提取了6个公共因子，构建起三层交叉口交通事故影响因素的评估指标体系。改进权重模型，得到各影响因素对事故的影响重要性程度，其中照明情况、限速、车辆类型、天气情况、年龄、交叉口控制、行驶状态是对交叉口事故影响最显著的因素。 然后，为了提高鹈鹕优化算法对本文事故预测模型的参数寻优能力，对该算法提出了三点改进，基于佳点集理论生成初始种群、引入反向差分进化机制以及最优个体自适应变异。通过与其它性能较好的优化算法比较，验证了本文提出改进策略的有效性和鲁棒性。 最后选择多项式核函数和高斯核函数作为混合核极限学习机的两种核函数，使用改进鹈鹕优化算法对混合核极限学习机的参数进行优化，构建了基于改进鹈鹕优化算法的混合核极限学习机的事故预测模型，对交叉口事故严重程度进行预测。并将其与极限学习机、随机森林、支持向量机和概率神经网络模型的预测结果对比，基于精确率、召回率、F_measure、Kappa系数、ROC曲线以及本文构建的新评价指标——事故严重程度预测不接受率进行评价。结果显示，改进鹈鹕优化算法混合核极限学习机模型表现最优。 |
| 作者： | 吴欣萍 |
| 专业： | 交通运输 |
| 导师： | 马新露;孙璐 |
| 授予学位： | 硕士 |
| 授予学位单位： | 重庆交通大学 |
| 学位年度： | 2023 |
检索历史
应用推荐
