基于多任务迁移学习的交通警情信息自动处理方法

作     者：李昀轩 李萌 陆建 顾欣 郭娅明 LI Yun-xuan;LI Meng;LU Jian;GU Xin;GUO Ya-ming

作者机构：清华大学土木工程系北京100084 东南大学交通学院江苏南京211189 北京工业大学北京市交通工程重点实验室北京100124 

出 版 物：《中国公路学报》 (China Journal of Highway and Transport)

年 卷 期：2022年第35卷第9期

页      面：1-12页

核心收录：

学科分类：03[法学] 08[工学] 0838[工学-公安技术] 0306[法学-公安学] 

基　　金：中国博士后科学基金项目(2021M701899) 

主　　题：交通工程 交通警情 迁移学习 自然语言处理 交通事故 

摘      要：从交通警情数据中自动获取信息对于快速处理交通事故和提高交通管理水平具有重要的意义。为此,提出了一种基于多任务迁移学习的交通警情信息自动处理方法,该方法上游采用文本预训练模型作为共享参数层,下游建立多任务并行学习方法,实现对交通警情中的关键信息、类型和语义自动处理。选取江苏省苏州市2年内共120 191条原始交通警情作为试验数据,通过自动处理方法构建了一套标准的交通警情信息数据库。试验结果表明:所建立的关键信息抽取方法可以更精准地提取警情数据中的时间、地址和车牌信息;交通警情分类模型性能优于现有的深度学习模型,分类准确率达93%;基于局部特征增强的警情语义分析方法重点识别了警情中事故的严重程度和救援需求,识别准确率达87%。研究结论显示交通警情自动化处理方法具有良好的可移植性和实用性。