期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
不同等级农村公路交通事故严重程度预测研究
被引量：
4
1
作者
张开冉
阚丁萍
陈多多
《安全与环境学报》
CAS
CSCD
北大核心
2024年第4期1515-1522,共8页
为准确分析各因素及其组合对农村公路发生严重交通事故的影响,将道路类型、路侧防护设施、时间段、天气状况、事故位置等11个因素作为自变量,事故严重程度作为因变量,采用改进的Apriori关联算法,找出各影响因素间的内在联系,并求解得到...
为准确分析各因素及其组合对农村公路发生严重交通事故的影响,将道路类型、路侧防护设施、时间段、天气状况、事故位置等11个因素作为自变量,事故严重程度作为因变量,采用改进的Apriori关联算法,找出各影响因素间的内在联系,并求解得到关键因素的组合。然后,分别构建随机森林、梯度提升决策树(Gradient Boosting Decision Tree,GBDT)、极端梯度提升(eXtreme Gradient Boosting,XGBoost)预测模型对农村公路事故严重程度进行预测。结果显示:与改进前相比,改进后的Apriori算法的运行效率和挖掘准确度都有较大提升;相对于随机森林和GBDT模型,XGBoost模型在准确率、召回率、精确率和F1得分等方面表现最优;照明条件、路侧防护设施、道路类型,天气状况是影响农村公路事故严重程度的重要因素,且各影响因素间存在显著的交互效应。
展开更多
关键词
安全工程
农村公路
改进Apriori
集成学习
事故严重程度预测
在线阅读
下载PDF
职称材料
基于集成学习的交通事故严重程度预测研究与应用
被引量：
12
2
作者
单永航
张希
+2 位作者
胡川
丁涛军
姚远
《计算机工程》
CAS
CSCD
北大核心
2024年第2期33-42,共10页
目前自动驾驶技术重点是关注如何主动避免碰撞,然而在面对其他交通参与者入侵而导致不可避免的碰撞事故场景时,预测车辆在不同行驶模式下的碰撞严重程度来降低事故严重程度的研究却很少。为此,提出一种双层Stacking事故严重程度预测模...
目前自动驾驶技术重点是关注如何主动避免碰撞,然而在面对其他交通参与者入侵而导致不可避免的碰撞事故场景时,预测车辆在不同行驶模式下的碰撞严重程度来降低事故严重程度的研究却很少。为此,提出一种双层Stacking事故严重程度预测模型。基于真实交通事故数据集NASS-CDS完成训练,模型输入为车辆传感器可感知得到的事故相关特征,输出为车内乘员最高受伤级别。在第1层中,通过实验对不同学习器组合进行训练,最终综合考虑预测性能以及耗时挑选K近邻、自适应提升树、极度梯度提升树作为基学习器;在第2层中,为降低过拟合,采用逻辑回归作为元学习器。实验结果表明,该方法准确率达到85.01%,在精确率、召回率和F1值方面优于其他个体模型和集成模型,该预测结果可作为智能车辆决策规划模块先验信息,帮助车辆做出正确的决策,减缓事故损害。最后阐述了模型在L_(2)辅助驾驶与L_(4)自动驾驶车辆中的应用,在常规车辆安全防护的基础上进一步提升车辆的安全性。
展开更多
关键词
交通安全
交通
事故严重程度预测
智能车辆
集成学习
K近邻
自适应提升树
极度梯度提升树
逻辑回归
在线阅读
下载PDF
职称材料
青藏高原双车道事故严重程度预测模型的建立
被引量：
3
3
作者
孙小端
侯洋洋
+1 位作者
贺玉龙
冯丙丙
《重庆交通大学学报（自然科学版）》
CAS
北大核心
2017年第7期106-110,共5页
分析了青藏高原地区的交通事故数据,发现大部分交通事故都是死伤人数较高的事故,即死伤事故占比较大。将事故严重程度作为因变量,选取海拔、氧含量、天气、事故地点的线形、事故地点的环境、肇事车辆的类型、交通量、大车比例、大小车...
分析了青藏高原地区的交通事故数据,发现大部分交通事故都是死伤人数较高的事故,即死伤事故占比较大。将事故严重程度作为因变量,选取海拔、氧含量、天气、事故地点的线形、事故地点的环境、肇事车辆的类型、交通量、大车比例、大小车的速度差等9个因素作为自变量,建立了累积Logistic回归预测模型,研究了影响高原地区交通事故严重程度的因素。结果表明:海拔、大车比例、交通量、肇事车辆类型和大小车的速度差与交通事故严重程度有显著的相关性。预测模型的建立能够为相关公路管理部门制定安全措施提供理论依据。
展开更多
关键词
交通工程
累积Logistic模型
青藏高原
事故严重程度预测
在线阅读
下载PDF
职称材料
题名
不同等级农村公路交通事故严重程度预测研究
被引量：
4
1
作者
张开冉
阚丁萍
陈多多
机构
西南交通大学交通运输与物流学院
西南交通大学综合交通运输智能化国家地方联合工程实验室
西南交通大学综合交通大数据应用技术国家工程实验室
出处
《安全与环境学报》
CAS
CSCD
北大核心
2024年第4期1515-1522,共8页
基金
四川省科技厅重点研发计划项目(2020YFG0120)。
文摘
为准确分析各因素及其组合对农村公路发生严重交通事故的影响,将道路类型、路侧防护设施、时间段、天气状况、事故位置等11个因素作为自变量,事故严重程度作为因变量,采用改进的Apriori关联算法,找出各影响因素间的内在联系,并求解得到关键因素的组合。然后,分别构建随机森林、梯度提升决策树(Gradient Boosting Decision Tree,GBDT)、极端梯度提升(eXtreme Gradient Boosting,XGBoost)预测模型对农村公路事故严重程度进行预测。结果显示:与改进前相比,改进后的Apriori算法的运行效率和挖掘准确度都有较大提升;相对于随机森林和GBDT模型,XGBoost模型在准确率、召回率、精确率和F1得分等方面表现最优;照明条件、路侧防护设施、道路类型,天气状况是影响农村公路事故严重程度的重要因素,且各影响因素间存在显著的交互效应。
关键词
安全工程
农村公路
改进Apriori
集成学习
事故严重程度预测
Keywords
safety engineering
rural highways
improved Apriori
ensemble learning
prediction of accident severity
分类号
X951 [环境科学与工程—安全科学]
在线阅读
下载PDF
职称材料
题名
基于集成学习的交通事故严重程度预测研究与应用
被引量：
12
2
作者
单永航
张希
胡川
丁涛军
姚远
机构
上海交通大学机械与动力工程学院
出处
《计算机工程》
CAS
CSCD
北大核心
2024年第2期33-42,共10页
基金
国家自然科学基金(52177218)。
文摘
目前自动驾驶技术重点是关注如何主动避免碰撞,然而在面对其他交通参与者入侵而导致不可避免的碰撞事故场景时,预测车辆在不同行驶模式下的碰撞严重程度来降低事故严重程度的研究却很少。为此,提出一种双层Stacking事故严重程度预测模型。基于真实交通事故数据集NASS-CDS完成训练,模型输入为车辆传感器可感知得到的事故相关特征,输出为车内乘员最高受伤级别。在第1层中,通过实验对不同学习器组合进行训练,最终综合考虑预测性能以及耗时挑选K近邻、自适应提升树、极度梯度提升树作为基学习器;在第2层中,为降低过拟合,采用逻辑回归作为元学习器。实验结果表明,该方法准确率达到85.01%,在精确率、召回率和F1值方面优于其他个体模型和集成模型,该预测结果可作为智能车辆决策规划模块先验信息,帮助车辆做出正确的决策,减缓事故损害。最后阐述了模型在L_(2)辅助驾驶与L_(4)自动驾驶车辆中的应用,在常规车辆安全防护的基础上进一步提升车辆的安全性。
关键词
交通安全
交通
事故严重程度预测
智能车辆
集成学习
K近邻
自适应提升树
极度梯度提升树
逻辑回归
Keywords
traffic safety
traffic accident severity prediction
intelligent vehicle
ensemble learning
K-Nearest Neighbor(KNN)
Adaptive Boosting(AdaBoost)tree
eXtreme Gradient Boosting(XGBoost)tree
logistic regression
分类号
TP27 [自动化与计算机技术—检测技术与自动化装置]
在线阅读
下载PDF
职称材料
题名
青藏高原双车道事故严重程度预测模型的建立
被引量：
3
3
作者
孙小端
侯洋洋
贺玉龙
冯丙丙
机构
北京工业大学交通工程北京市重点实验室
出处
《重庆交通大学学报（自然科学版）》
CAS
北大核心
2017年第7期106-110,共5页
基金
国家科技支撑计划课题(2014BAG05B02)
文摘
分析了青藏高原地区的交通事故数据,发现大部分交通事故都是死伤人数较高的事故,即死伤事故占比较大。将事故严重程度作为因变量,选取海拔、氧含量、天气、事故地点的线形、事故地点的环境、肇事车辆的类型、交通量、大车比例、大小车的速度差等9个因素作为自变量,建立了累积Logistic回归预测模型,研究了影响高原地区交通事故严重程度的因素。结果表明:海拔、大车比例、交通量、肇事车辆类型和大小车的速度差与交通事故严重程度有显著的相关性。预测模型的建立能够为相关公路管理部门制定安全措施提供理论依据。
关键词
交通工程
累积Logistic模型
青藏高原
事故严重程度预测
Keywords
traffic engineering
cumulative Logistic model
Qinghai-Tibet plateau
accident severity prediction
分类号
U491.31 [交通运输工程—交通运输规划与管理]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
不同等级农村公路交通事故严重程度预测研究
张开冉
阚丁萍
陈多多
《安全与环境学报》
CAS
CSCD
北大核心
2024
4
在线阅读
下载PDF
职称材料
2
基于集成学习的交通事故严重程度预测研究与应用
单永航
张希
胡川
丁涛军
姚远
《计算机工程》
CAS
CSCD
北大核心
2024
12
在线阅读
下载PDF
职称材料
3
青藏高原双车道事故严重程度预测模型的建立
孙小端
侯洋洋
贺玉龙
冯丙丙
《重庆交通大学学报（自然科学版）》
CAS
北大核心
2017
3
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
