原文传递
基于深度学习的高速公路交通事故严重度预测方法
| 专利名称： | 基于深度学习的高速公路交通事故严重度预测方法 |
| 摘要： | 本发明公开了一种基于深度学习的高速公路交通事故严重度预测方法，包括如下步骤：1、收集L个交通事故发生时的道路条件、驾驶员情况、车辆情况等M个变量因素，构成样本集；记录每个交通事故的严重度值rl；2、对收集到的L个事故样本的变量因素进行降维和归一化；3、建立深度学习神经网络，构建交通事故严重度预测模型；4、将降维后的待预测事故的变量因素向量x代入步骤3建立的交通事故严重度预测模型中，得到待预测事故的严重度预测结果。该方法能够精确地预测高速公路事故的严重度。 |
| 专利类型： | 发明专利 |
| 国家地区组织代码： | 江苏;32 |
| 申请人： | 东南大学 |
| 发明人： | 何杰;章晨;刘子洋;邢璐;周博见 |
| 专利状态： | 有效 |
| 发布日期： | 2019-01-01T00:00:00+0800 |
| 申请号： | CN201810353740.1 |
| 公开号： | CN108665093A |
| 代理机构： | 南京苏高专利商标事务所(普通合伙) 32204 |
| 代理人： | 常虹 |
| 分类号： | G06Q10/04(2012.01)I;G06Q50/26(2012.01)I;G06N3/04(2006.01)I;G;G06;G06Q;G06N;G06Q10;G06Q50;G06N3;G06Q10/04;G06Q50/26;G06N3/04 |
| 申请人地址： | 211189 江苏省南京市江宁区东南大学路2号 |
| 主权项： | 1.基于深度学习的高速公路交通事故严重度预测方法，其特征在于，包括如下步骤：(1)收集L个交通事故发生时的道路条件、驾驶员情况、车辆情况等M个变量因素，构成样本集S＝(s1,s2,…,sL)，其中sl＝(f1l,f2l,…,fMl)T，fhl为编号为l的事故的第h个变量因素；记录每个交通事故的严重度值，rl为编号为l的事故的严重度值，h＝1..M，l＝1..L；(2)对收集到的L个事故样本的变量因素进行降维和归一化，设降维后的样本sl′为I维，I≤M，sl′＝(f1l′,f2l′,…,fIl′)T，fil′为降维后保留的变量因素，i＝1..I；归一化处理的公式为：xil＝(fil′‑MinValue)/(MaxValue‑MinValue)其中xil为变量因素fil′归一化后的值，MinValue为{fi1′,fi2′,…,fiL′}中的最小值，MaxValue为{fi1′,fi2′,…,fiL′}中的最大值；(3)建立深度学习神经网络，构建交通事故严重度预测模型；(4)将待预测事故的变量因素按照步骤(2)中的降维方法进行降维，得到降维后的待预测事故变量因素向量x，将x代入步骤(3)建立的交通事故严重度预测模型中，得到待预测事故的严重度预测结果。 |
| 所属类别： | 发明专利 |
检索历史
应用推荐
