检索结果-南通市图书馆

交通运输系统工程与信息 2022年第1期22卷 195-208页

作者：袁振洲郭曼泽彭泳鑫杨洋北京交通大学综合交通运输大数据应用技术交通运输行业重点实验室北京100044 北京交通大学交通运输学院北京100044

为构建老年行人交通事故严重程度风险关联因素识别方法体系,本文应用极限梯度提升关联规则挖掘算法(Extreme Gradient Boost-Apriori,XGB-Apriori)识别城市道路老年行人交通事故风险因子。运用机器学习优化关联规则算法结构,通过机器学... 详细信息

为构建老年行人交通事故严重程度风险关联因素识别方法体系,本文应用极限梯度提升关联规则挖掘算法(Extreme Gradient Boost-Apriori,XGB-Apriori)识别城市道路老年行人交通事故风险因子。运用机器学习优化关联规则算法结构,通过机器学习库scikit-learn中XGBoost(Extreme Gradient Boost)算法与SFM(Select From Model)特征选择类功能实现变量特征值的选择。进而,对Apriori算法设置有序定向约束,得到适用于交通事故致因分析的数据挖掘技术。通过逐层迭代识别关联项,选取频繁项集,总结高置信度、高提升度的关联规则。关联因素模型评估结果表明,本文采用的SFM功能准确度可达78.31%,关联规则XGB-Apriori算法较传统算法精度提升了91%。挖掘结果显示,驾驶员与行人的自身特征、车辆特征、碰撞状态以及道路特征均对老年行人交通事故的严重程度具有重要影响。其中,男性驾驶员造成的行人死亡事故频次较高,女性驾驶员造成的受伤事故频次较高;大型、重型车辆(SUV、卡车、施工车)发生死亡事故频次相对小轿车更高;位于匝道等道路线型弯曲的坡道中,老年行人发生致死交通事故的频次相对线型缓和路段更高。本文对老年行人交通事故耦合因素全面识别并针对性提出风险防控精准预判方法,为有效保护道路弱势群体提供必要的理论支持。

关键词：交通工程事故风险识别 Apriori算法老年行人 XGBoost算法行人交通事故机器学习

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于WOMDI-Apriori算法的高速公路交通事故风险识别

引用

交通工程 2021年第6期21卷 1-10,16页

作者：杨洋袁振洲王印海王文成孙东冶北京航空航天大学交通科学与工程学院北京100191 美国华盛顿大学(西雅图)土木与环境工程学院西雅图98195 北京交通大学交通运输学院北京100044 北京市城市规划设计研究院北京100045 中国交通通信信息中心交通安全应急信息技术国家工程实验室北京100011

为揭示高速公路交通事故发生内在机理、提升高速公路行车安全;首先,基于UW-DriveNet交通大数据平台,提取了2016年美国华盛顿州3万余条交通事故数据,从人、车、路、环境、事故、时间6个维度对数据集进行了样本结构设计;进而,提出了一种... 详细信息

为揭示高速公路交通事故发生内在机理、提升高速公路行车安全;首先,基于UW-DriveNet交通大数据平台,提取了2016年美国华盛顿州3万余条交通事故数据,从人、车、路、环境、事故、时间6个维度对数据集进行了样本结构设计;进而,提出了一种考虑定向约束和指标赋权的多维度交互改进Apriori关联规则挖掘算法,以基于区间层次分析法和灰色关联度的主客观联合赋权模型对数据字段进行权重优化;最后,应用该改进算法,对选定的高速公路路段进行了全映射事故致因角度和事故维度自相关角度的多维度交互的关联规则挖掘计算.结果显示,改进的WODMI-Apriori算法能更好地揭示高速公路的事故致因、更精确地识别事故风险因子,其算法精确度较传统Apriori算法提升了82.7%.结果表明,本文提出的WODMI-Apriori算法可作为高速公路交通事故风险识别工作中的一种行之有效的方法,并可为高速公路行车安全水平的提升提供理论指导.

关键词：高速公路交通安全事故风险识别数据挖掘关联规则挖掘算法 WOMDI-Apriori

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于驾驶行为和交通运行状态的事故风险研究

引用

华南理工大学学报（自然科学版） 2022年第9期50卷 29-38页

作者：郭淼赵晓华姚莹吴大勇苏岳龙毕超凡北京工业大学北京市交通工程重点实验室北京10024 北京工业大学城市建设学部北京100124 招商新智科技有限公司北京100070 高德软件有限公司高德未来交通研究中心北京100102

准确识别交通事故风险和及时掌握交通事故风险的变化对于交通事故的主动防控和减少交通事故的发生具有重要意义。现有的交通事故风险识别研究大多基于交通流、交通冲突等实时、动态参数,同时受以往数据采集技术的制约,风险驾驶行为在交... 详细信息

准确识别交通事故风险和及时掌握交通事故风险的变化对于交通事故的主动防控和减少交通事故的发生具有重要意义。现有的交通事故风险识别研究大多基于交通流、交通冲突等实时、动态参数,同时受以往数据采集技术的制约,风险驾驶行为在交通事故风险识别研究中的应用受到限制。为了更加准确的识别道路交通事故风险,本研究引入风险驾驶行为和交通流等大数据,提取急加速、急减速、急转弯、急并道以及交通流量、平均速度、拥堵指数等变量,结合事故数据构建交通事故风险识别模型。基于逻辑回归算法计算交通事故发生概率,对交通事故识别模型进行评价,一方面量化风险驾驶行为在交通事故风险识别中的贡献,另一方面分析事故发生前后,交通事故发生概率的变化趋势。研究结果表明,同时考虑交通运行状态和风险驾驶行为的交通事故风险识别模型的敏感度和AUC值分别提高5.00%和0.03,误报率和漏报率分别降低1.78%和5.00%,模型的拟合效果更好。此外,在交通事故发生前后,交通事故风险概率呈现明显上升趋势,是交通事故防控的重点时段,应在相应的路段及时采取防控措施降低交通事故风险的概率,避免发生交通事故。本研究可为交通事故的预防预警以及主动防控提供直观的依据。

关键词：高速公路交通安全事故风险识别驾驶行为交通运行状态

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：