基于机器学习的高速公路交通事故影响因素分析与预测研究
作者单位：北京交通大学
学位级别：硕士
导师姓名：马敏书
授予年度：2022年
主 题：交通安全 高速公路 事故多发点 事故分析预测 机器学习
摘 要：近年来,我国高速公路发展迅速,但交通安全管理工作形势却十分严峻,高速公路交通事故频发、严重程度高,成为我们亟需解决的问题。当前,机器学习算法的广泛应用,为该问题的解决提供了良好的思路。通过机器学习模型对高速公路交通事故数据进行分析,能够帮助我们发现高速公路事故的时空分布特征及其影响因素,进而对其开展预测,从而通过高速公路设计、管理等方面的改进和措施,更加精准有效地进行交通事故事前防控。因此,本文面向某单位建设高速公路事故及风险管理相关系统的需求,基于京港澳高速韶关段、乐广高速和许广高速广东段这三条高速公路近三年内的相关数据,采用机器学习算法,围绕高速公路交通事故的影响因素分析与事故多发点预测及事故实时预测开展了相关研究。首先,本文根据高速公路交通系统的构成及运行过程,对交通事故影响因素进行了定性分析。在此基础上,通过对上述三条高速公路数据的处理,生成了可能与事故的发生相关的静、动态特征,进而通过描述性统计、假设检验、可视化等方法围绕部分特征与高速公路交通事故发生频率时空分布之间的关系进行了分析。其次,本文聚焦高速公路中交通事故多发点进行了研究。同样依托上述三条高速公路数据,探讨了通过构建机器学习模型,实现基于高速公路静态特征的交通事故多发点预测方法,进而采用灵敏度分析等方法,分析了若干种路段特征与路段是否交通事故多发点之间的关系。最后,本文引入动态特征,对高速公路交通事故实时预测方法进行了研究。研究以某一路段在某一时段某一环境条件下是否发生事故为预测对象,结合动态特征与筛选过的静态特征对多种机器学习模型预测效果进行了对比分析,进而通过灵敏度分析等方法,针对天气条件、时间等因素对高速公路交通事故发生的影响进行了分析。图27幅,表20个,参考文献51篇。
同方学位论文库