基于集成模型的交通事故严重程度预测

1

作者 杨翰琨 鲁帅 +1 位作者 秦文杰 张彦敏 《科学技术与工程》 北大核心 2025年第10期4355-4360,共6页

交通事故对公共安全构成重大风险,是交通运输系统中的重要问题。准确预测事故严重程度对于采取有效的预防和干预措施至关重要。提出了一种基于集成学习的方法,将XGBoost和MLP两种先进算法相结合,以更精准地预测交通事故的严重程度。建... 交通事故对公共安全构成重大风险,是交通运输系统中的重要问题。准确预测事故严重程度对于采取有效的预防和干预措施至关重要。提出了一种基于集成学习的方法,将XGBoost和MLP两种先进算法相结合,以更精准地预测交通事故的严重程度。建立了一个堆叠分类器,并详细评估了其在交通事故预测中的性能。实验结果表明,该集成模型相较于传统XGBoost模型,在预测准确性上有明显提升,在宏平均F_1分数上显著提高了20.41%。展示了模型优势与创新性,包括模型集成与网络改造。此外,还分析了影响预测结果的关键特征,并探讨了模型在实际应用中的潜在价值。该研究为交通安全管理提供了更科学、更高效的决策支持,有望在交通管理、智能驾驶等领域发挥重要作用。 展开更多

关键词 交通事故 严重程度预测 XGBoost MLP 特征分析 集成学习 深度学习

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

不同等级农村公路交通事故严重程度预测研究 被引量：4

3

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

融合数据平衡与贝叶斯优化的交通事故严重程度预测模型 被引量：2

4

作者 潘义勇 徐翔宇 《重庆交通大学学报（自然科学版）》 CAS CSCD 北大核心 2024年第12期69-76,共8页

针对交通事故数据类别不平衡导致的预测精度低问题,融合了过采样技术和贝叶斯网络来改进Catboost算法,以预测交通事故的严重程度。利用PowerSHAP算法筛选出21个关键特征,采用Borderline-SMOTE过采样技术对处于边界的少数类样本进行平衡... 针对交通事故数据类别不平衡导致的预测精度低问题,融合了过采样技术和贝叶斯网络来改进Catboost算法,以预测交通事故的严重程度。利用PowerSHAP算法筛选出21个关键特征,采用Borderline-SMOTE过采样技术对处于边界的少数类样本进行平衡采样;使用贝叶斯优化方法调整Catboost算法的超参数,并基于调优后的Catboost算法建立交通事故严重程度预测模型。通过实例验证表明:改进模型在预测交通事故严重程度方面优于其他分类模型,其准确率、精确率、召回率和F1分数分别为83.03%、87.01%、80.79%和83.50%;与其他参数优化方法相比,贝叶斯优化后的参数性能最高提升了3个百分点以上;Borderline-SMOTE过采样技术在数据占比较小的重伤事故上实现了各项性能评价指标达到88%以上,比其他模型至少提高了3.3%,并且在处理类别不平衡的交通事故严重程度预测方面,Borderline-SMOTE过采样技术的精度更高,优于其他5种数据采样技术。 展开更多

关键词 交通工程 交通事故严重程度 数据不平衡 贝叶斯优化 Catboost

在线阅读 下载PDF 职称材料

公路隧道交通事故严重程度预测模型研究 被引量：30

5

作者 马壮林 张祎祎 +1 位作者 杨杨 谭晓伟 《中国安全科学学报》 CAS CSCD 北大核心 2015年第5期75-79,共5页

为明晰公路隧道交通事故严重程度的影响因素,从134起事故统计数据中选出13个事故严重程度的潜在影响因素,分别采用有序Logit模型和广义有序Logit模型,建立交通事故严重程度预测模型。分析这13个因素对交通事故严重程度的影响程度,并对比... 为明晰公路隧道交通事故严重程度的影响因素,从134起事故统计数据中选出13个事故严重程度的潜在影响因素,分别采用有序Logit模型和广义有序Logit模型,建立交通事故严重程度预测模型。分析这13个因素对交通事故严重程度的影响程度,并对比2个模型的预测效果。结果表明:事故发生日期、发生时间、是否超速、天气和大型车比例5个自变量与事故严重程度显著相关。从广义有序Logit模型来看,事故发生时间不满足比例优势假设;广义有序Logit模型可以放宽部分自变量的比例优势假设,能给出更好的预测结果。 展开更多

关键词 交通安全 广义有序Logit模型 公路隧道 交通事故严重程度 影响因素

在线阅读 下载PDF 职称材料

基于贝叶斯网络的高速公路交通事故严重程度预测及致因分析 被引量：10

6

作者 成卫 马铭炜 张小龙 《重庆交通大学学报（自然科学版）》 CAS CSCD 北大核心 2023年第7期87-95,共9页

为了深入研究高速公路交通安全,剖析高速公路交通事故的发生机理以及各类因素对高速公路交通事故严重程度的影响,收集曲靖市境内沪昆高速段2017—2019年的1 939起交通事故进行研究。以事故严重程度为因变量,筛选出人、车、路、环境4个... 为了深入研究高速公路交通安全,剖析高速公路交通事故的发生机理以及各类因素对高速公路交通事故严重程度的影响,收集曲靖市境内沪昆高速段2017—2019年的1 939起交通事故进行研究。以事故严重程度为因变量,筛选出人、车、路、环境4个大类下的与事故严重程度相关的19个影响因素为自变量,采用数据融合法基于树增广型贝叶斯网络构建事故严重程度预测模型,量化各因素间的影响关系,经特征筛选找出关键致因,并结合案例进行推理分析。结果表明:影响高速公路交通事故严重程度的关键致因依次为天气情况、视距情况、路面情况等。模型对高速公路事故严重程度预测准确率可达84.27%,高于传统贝叶斯方法,模型有效性验证良好。针对事故主要致因提出改进建议,可为交管部门提供准确事故信息辅助决策,加快事故响应速度,提高事故应急指挥能力。 展开更多

关键词 交通运输工程 高速公路 事故严重程度 树增广型贝叶斯网络 致因分析

在线阅读 下载PDF 职称材料

基于组合模型的交通事故严重程度预测方法 被引量：6

7

作者 石雪怀 戚湧 +1 位作者 张伟斌 李千目 《计算机应用研究》 CSCD 北大核心 2019年第8期2395-2399,共5页

由于各个单一分类模型对道路交通事故严重程度预测的局限性,为提升模型预测性能,致力于建立一种组合模型。结合卷积神经网络提取时空维度中的特征信息,采用stacking方式将CNN与XGBoost组合,最终生成道路交通事故严重性的分类模型(多层... 由于各个单一分类模型对道路交通事故严重程度预测的局限性,为提升模型预测性能,致力于建立一种组合模型。结合卷积神经网络提取时空维度中的特征信息,采用stacking方式将CNN与XGBoost组合,最终生成道路交通事故严重性的分类模型(多层提升算法)。实验结果表明,此模型在测试集上预测精度为91.51%,组合模型比单一分类模型具有更好的分类结果。基于组合模型的分类结果,对交通事故特征进行重要性排序,开展特征相关性分析,为减少道路交通事故及减轻道路交通事故严重等级的管理措施提供参考依据。 展开更多

关键词 交通安全 交通事故严重程度 XGBoost 卷积神经网络 诱因分析

在线阅读 下载PDF 职称材料

不同光照条件下交通事故严重程度影响因素的可转移性分析

8

作者 潘义勇 朱梦 《交通运输系统工程与信息》 北大核心 2025年第3期346-357,共12页

为探究不同光照条件下交通事故严重程度影响因素的异质性和可转移性,本文基于均值和方差异质性的随机参数Logit模型,对机动车交通事故严重程度的影响因素进行分析。将事故严重程度分为3类,研究整合驾驶员特性、道路特性、环境特性和车... 为探究不同光照条件下交通事故严重程度影响因素的异质性和可转移性,本文基于均值和方差异质性的随机参数Logit模型,对机动车交通事故严重程度的影响因素进行分析。将事故严重程度分为3类,研究整合驾驶员特性、道路特性、环境特性和车辆特性这4个维度,纳入25个潜在解释变量,通过捕捉随机参数的均值和方差变化,模型充分挖掘了事故数据中的异质性特征,并利用对数似然比验证了影响因素的时间不稳定性以及在不同光照条件下的可转移性。基于边际效应估计结果,对统计显著的解释变量在事故损伤严重程度中的差异化进行量化分析。研究结果表明:事故严重程度的影响因素在不同光照条件下呈现出显著异质性,且表现出显著的不可转移性。车辆进行转弯行为、事故发生在道路外仅在2017年白天的交通事故模型中显著,交叉口类型为四向交叉路口仅在2019年黑夜交通事故中显著。驾驶员性别为男性在2018年和2019年的白天交通事故中显著,其对仅财产损失和轻伤事故影响程度呈现出相反的结果。驾驶员疏忽操作在2018年的白天和黑夜无照明的事故模型中均显著,其对轻伤事故影响程度呈现相反效果。 展开更多

关键词 交通工程 事故严重程度 均值和方差异质性的随机参数Logit模型 时间不稳定性 可转移性

在线阅读 下载PDF 职称材料

货车交通事故严重程度影响因素分析 被引量：1

9

作者 胡焱松 王长君 +1 位作者 张勇刚 褚宇航 《中国安全生产科学技术》 北大核心 2025年第4期142-150,共9页

为探究货车交通事故严重程度的主要影响因素及其耦合关系,基于我国南方某城市2021—2023年货车交通事故数据,采用特征分类、K-means聚类以及特征融合的方法提取初始影响因素,并构建XGBoost模型、有序Logit回归模型和树形贝叶斯网络模型... 为探究货车交通事故严重程度的主要影响因素及其耦合关系,基于我国南方某城市2021—2023年货车交通事故数据,采用特征分类、K-means聚类以及特征融合的方法提取初始影响因素,并构建XGBoost模型、有序Logit回归模型和树形贝叶斯网络模型,对影响因素的重要性、单因素和因素耦合进行量化分析。研究结果表明:碰撞对象、道路类型、超载等7个因素对事故严重程度影响显著,其中碰撞对象最为重要;碰撞对象分别与重型车辆、超载、箱式货车、工程运输车辆、转弯变道、有隔离等12个影响因素耦合会大幅提高事故严重程度,当碰撞行人与阴天、超载、工程运输车辆以及转弯变道等耦合时,发生重大事故的概率超过40%。研究结果可为货车交通事故防控提供决策参考。 展开更多

关键词 交通安全 货车 事故严重程度 影响因素 有序Logit回归 树型贝叶斯网络

在线阅读 下载PDF 职称材料

考虑性别差异的老年行人事故严重程度时间不稳定性分析

10

作者 潘义勇 王羿 《重庆交通大学学报(自然科学版)》 北大核心 2025年第5期102-111,共10页

为了探究老年行人事故严重程度的性别差异,基于均值异质性的随机参数Logit模型,分别对男、女性老年行人事故严重程度影响因素进行了异质性和时间不稳定性分析。将事故严重程度分为3类:仅财产损失事故、轻伤事故和重伤事故,从人、车、路... 为了探究老年行人事故严重程度的性别差异,基于均值异质性的随机参数Logit模型,分别对男、女性老年行人事故严重程度影响因素进行了异质性和时间不稳定性分析。将事故严重程度分为3类:仅财产损失事故、轻伤事故和重伤事故,从人、车、路、环境等4个方面选取26个影响因素,通过随机参数的均值变化来捕捉事故严重程度影响因素的异质性;利用对数似然比检验分析了影响因素的时间不稳定性和在性别上的可转移性;采用边际效应分析了各显著因素对事故伤害严重程度的影响。研究结果表明:男、女性老年行人事故的严重程度影响因素存在显著差异,这些影响因素存在显著的时间不稳定性和不可转移性;“驾驶员逃逸”仅在2016年的老年女性交通事故中显著,“事故发生在工作区”仅在2017年的老年男性交通事故中显著,“交通管制方式为指示牌”在2015—2017年的老年男性交通事故中均显著,“交叉口类型为十字路口”在2015、2017年的老年女性交通事故中均显著,对“仅财产损失事故”的影响程度呈现相反效果。 展开更多

关键词 交通工程 事故严重程度 老年行人 时间不稳定性 均值异质性的随机参数Logit模型

在线阅读 下载PDF 职称材料

技术标准更新视角下电动自行车事故严重程度影响因素演化分析

11

作者 邬岚 周佳雨 李根 《交通运输系统工程与信息》 北大核心 2025年第1期231-240,共10页

电动自行车在我国发展迅猛,普及率高。为探究技术标准更新对电动自行车与其他弱势道路使用者之间事故严重的影响,本文分析其异质性和时间不稳定性。以盐城市2013—2023年间6022起相关交通事故为研究对象,从骑行者特征、事故特征、道路... 电动自行车在我国发展迅猛,普及率高。为探究技术标准更新对电动自行车与其他弱势道路使用者之间事故严重的影响,本文分析其异质性和时间不稳定性。以盐城市2013—2023年间6022起相关交通事故为研究对象,从骑行者特征、事故特征、道路特征、时间特征、环境特征这5个方面选取潜在特征变量,通过建立均值和方差异质性随机参数模型来探索潜在异质性。同时,利用对数似然比检验事故严重程度影响因素的时间不稳定性,并借助平均边际效应量化各因素对事故严重程度的影响变化。结果表明:相比二元Logit模型和未考虑异质性的随机参数模型,均值和方差异质性随机参数Logit模型具有更高的拟合优度和模型精度。此外,在2019年国标更新的影响下,电动自行车事故严重程度的因素存在明显的时间不稳定性,导致国标更新前后的重要影响变量发生显著变化。标准更新前的模型中,电动自行车和无控制这2个变量为随机变量,农村道路和沙土这2个因素分别增加其均值和方差;标准更新后的模型中,电动自行车和标志标线这2个变量为随机变量,秋天和肇事逃逸这2个因素增加电动自行车参数的均值。研究结果为涉及电动自行车的道路交通事故制定干预措施提供有用信息,为当前进一步更新电动自行车安全技术标准提供了有力的理论支撑。 展开更多

关键词 交通工程 事故严重程度 均值和方差异质性随机参数Logit模型 平均边际效应 时间不稳定性

在线阅读 下载PDF 职称材料

考虑建成环境的交通事故严重程度致因交互效应研究 被引量：9

12

作者 王健宇 陈献天 +2 位作者 焦朋朋 覃楚亮 王泽昊 《交通运输系统工程与信息》 EI CSCD 北大核心 2024年第2期272-280,共9页

为探究考虑建成环境影响下各类因素对交通事故的作用机理,本文提出一种融合ADASYN(Adaptive Synthetic Sampling)平衡算法与CatBoost模型的方法,对沈阳市2015—2020年的道路交通事故进行研究,并解析事故致因的交互效应。首先,通过地理... 为探究考虑建成环境影响下各类因素对交通事故的作用机理,本文提出一种融合ADASYN(Adaptive Synthetic Sampling)平衡算法与CatBoost模型的方法,对沈阳市2015—2020年的道路交通事故进行研究,并解析事故致因的交互效应。首先,通过地理信息匹配的方法补充事故地点周围14项建成环境因子,构建多源数据集。其次,通过比较4种经典的机器学习模型,即CatBoost,Random Forest,XGBoost,LightGBM,并筛选出泛化能力最强的模型。随后,利用SHAP(Shapley Additive Explanation)归因方法对最优模型进行解释以揭示单个风险因素效应以及影响重要度排序。最后,基于单因素分析,探究建成环境与事故特征之间的交互效应。研究表明:相同的特征在单因素以及双因素交互分析中对事故影响机制存在差异。在单因素分析中,季节、交通方式这2项因素对致命事故具有显著的正向影响;而主干路密度、快速路密度、工业用地比例、现场形态、道路物理隔离这5项因素对致命事故有着显著的负向影响。在双因素交互分析中,高主路密度与秋冬季节交互以及低工业用地比例与春季交互等对致命事故具有正向影响;而高工业用地比例与行人交互则产生了负向影响。本文成果可为相关人员提供准确的影响交通事故严重程度的相关因素,为优化和建设城市交通系统提供一定的理论支撑。 展开更多

关键词 交通工程 事故严重程度分析 CatBoost模型 城市道路交通事故 建成环境 交互效应

在线阅读 下载PDF 职称材料

基于Credal网络模型的内河危化品运输事故严重程度诊断研究

13

作者 程志友 朱骋 吴蕊 《重庆交通大学学报(自然科学版)》 北大核心 2025年第6期108-114,共7页

针对内河危化品运输事故研究中的数据匮乏、认知不确定性及专家主观性等问题,提出一种Credal网络模型来分析诊断内河危化品运输事故严重程度,以期从安全管理视角预防内河危化品运输事故风险。采用事故案例报告和故障树分析,识别内河危... 针对内河危化品运输事故研究中的数据匮乏、认知不确定性及专家主观性等问题,提出一种Credal网络模型来分析诊断内河危化品运输事故严重程度,以期从安全管理视角预防内河危化品运输事故风险。采用事故案例报告和故障树分析,识别内河危化品运输事故风险因素,构建基于imprecise Dirichlet model(IDM)参数学习方法的内河危化品运输事故严重程度诊断的Credal网络模型,然后通过正向推理预测不同严重程度事故的发生概率,并通过诊断推理识别导致该类事故的主要影响因素,最后根据诊断推理结果提出相应的安全管理措施。研究表明:内河危化品运输发生一般及以下事故、较大事故、重大及以上事故的区间概率分别为[0.711, 0.789]、[0.172, 0.246]、[0.043, 0.069];人员因素和管理因素是引起内河危化品运输事故发生的主要因素,船舶因素和货物因素是加重事故严重程度的重要因素。 展开更多

关键词 交通运输工程 内河危化品运输 运输事故 严重程度 Credal网络模型 IDM

在线阅读 下载PDF 职称材料

新能源汽车与行人交通事故严重程度分析 被引量：3

14

作者 张道文 董鑫驰 +5 位作者 雷毅 黎华惠 罗晶 张诚龙 赵成一 汤楷文 《安全与环境学报》 CAS CSCD 北大核心 2024年第3期1061-1069,共9页

为探究影响新能源汽车与行人交通事故严重程度的诱因,基于英国近4 a发生的1819条新能源汽车与行人交通事故数据,从驾驶员、行人、新能源车辆、道路、时空和环境5个方面选择了19个影响因素作为协变量,并根据数据特征将因变量分为轻伤和... 为探究影响新能源汽车与行人交通事故严重程度的诱因,基于英国近4 a发生的1819条新能源汽车与行人交通事故数据,从驾驶员、行人、新能源车辆、道路、时空和环境5个方面选择了19个影响因素作为协变量,并根据数据特征将因变量分为轻伤和严重伤害两类。考虑到数据异质性,首先通过因子分析法与k-means聚类进行聚类分析,然后采用Logistic模型对聚类分析得到的两类集群进一步分析,从预测准确率和协变量共线性指标两个方面确认了模型的适用度。结果表明:基于聚类分析构建的Logistic模型预测准确率均达到80%以上;变道或超车、车龄、支路及环形交叉口、双幅路(有中央分隔带)对事故伤害严重程度有异质性影响;行人年龄大于46岁和夜间行车会明显增加事故严重程度;其中,变道或超车和行人年龄对新能源汽车事故严重程度的影响比传统人-车事故更加显著。 展开更多

关键词 安全工程 新能源汽车 行人交通事故 严重程度 聚类分析 二项Logistic模型

在线阅读 下载PDF 职称材料

贝叶斯网络在地铁运营事故严重程度预测中的应用研究 被引量：2

15

作者 雷斌 田伯轩 +2 位作者 李佳晨 马谦 刘鑫 《安全与环境学报》 CAS CSCD 北大核心 2024年第7期2751-2758,共8页

为了针对不同地铁运营事故致因预测事故后果的严重程度,将贝叶斯网络应用于地铁运营事故严重程度预警,建立地铁运营事故严重程度预测模型。首先,利用树型朴素贝叶斯算法对地铁运营事故数据进行模拟训练,得到不同事故致因的重要度;其次,... 为了针对不同地铁运营事故致因预测事故后果的严重程度,将贝叶斯网络应用于地铁运营事故严重程度预警,建立地铁运营事故严重程度预测模型。首先,利用树型朴素贝叶斯算法对地铁运营事故数据进行模拟训练,得到不同事故致因的重要度;其次,通过贝叶斯网络分析和网络推理得到各事故致因的概率分布;最后,以搜集得到的国内2001—2022年地铁运营事故数据为例开展实例分析,并选取准确率、召回率和精确率等指标验证模型预测结果的有效性。结果表明:机器学习获得的网络结构显示车辆是否故障、工作人员是否操作失误、人员因素其他原因是影响事故严重程度的重要因素;通过对模型的预测结果进行分析统计,得到不同事故致因对地铁事故严重程度的影响,可以为地铁管理部门进行事故预警提供智能辅助决策,为事故救援处置提供行动依据。 展开更多

关键词 安全社会科学 地铁事故预测 贝叶斯网络 事故严重程度

在线阅读 下载PDF 职称材料

基于无人机的交通事故严重程度检测

16

作者 唐梓峰 唐阳山 +2 位作者 潘迪敬 宋东明 赵会鹏 《现代电子技术》 北大核心 2024年第20期123-128,共6页

针对交通事故严重程度检测速度慢的问题,对较为先进的YOLOv8算法进行改进。通过引入GAM注意力机制和GELAN结构,提高模型对交通事故严重程度数据集的识别准确性。与此同时,通过模型轻量化处理和调整参数量,降低复杂度和计算量,增强实用性... 针对交通事故严重程度检测速度慢的问题,对较为先进的YOLOv8算法进行改进。通过引入GAM注意力机制和GELAN结构,提高模型对交通事故严重程度数据集的识别准确性。与此同时,通过模型轻量化处理和调整参数量,降低复杂度和计算量,增强实用性,使模型更易于部署和运行。实验结果表明,改进后的YOLOv8-GELAN-GAM模型在准确率、mAP@0.5、Recall等关键指标上分别提升了2.9%、1.9%、1.8%,在捕捉碰撞后位置变化小或形变量小的事故车辆方面表现更出色。在复杂背景下,改进后的YOLOv8-GELAN-GAM模型也能避免漏检和误检。总体而言,改进后的YOLOv8-GELAN-GAM模型能够为交通安全研究提供有力支持,提升道路救援的速度,提高道路交通安全水平,为事故损失提供强有力的保障。文中研究可为交通安全技术发展提供新的思路。 展开更多

关键词 交通事故检测 YOLOv8算法 GELAN结构 GAM注意力机制 严重程度检测 目标识别

在线阅读 下载PDF 职称材料

考虑建成环境的电动自行车事故严重程度致因分析 被引量：5

17

作者 王菁 董春娇 +2 位作者 李鹏辉 姜文龙 邵春福 《交通运输系统工程与信息》 EI CSCD 北大核心 2024年第1期179-187,共9页

为探究考虑建成环境影响下,电动自行车交通事故严重程度的影响因素,本文从事故属性、骑行者属性、对象车辆及驾驶员属性、道路属性及建成环境属性这5个方面,选取18个影响电动自行车交通事故严重性的潜在变量。在此基础上,构建考虑均值... 为探究考虑建成环境影响下,电动自行车交通事故严重程度的影响因素,本文从事故属性、骑行者属性、对象车辆及驾驶员属性、道路属性及建成环境属性这5个方面,选取18个影响电动自行车交通事故严重性的潜在变量。在此基础上,构建考虑均值及方差异质性的随机参数Logit模型,利用边际效应量化显著变量对事故严重程度的影响差异。基于北京市近5年电动自行车事故抽样数据进行实证研究,结果表明:事故时段19:00-次日7:00、骑行者年龄大于40岁、重(大)型货车、到最近医院的距离增大及恶劣天气等因素会增加电动自行车事故严重程度。建成环境属性中,到最近医院的距离在死亡事故中的参数为服从正态分布的随机参数,路段及恶劣天气会增大其均值异质性,驾驶员年龄为(40,60]岁会增大其方差异质性;其他属性中,一般城市道路在受伤事故中的参数为服从正态分布的随机参数,路段会增大其均值异质性。研究结果可以为降低电动自行车事故严重程度提供理论支撑。 展开更多

关键词 交通工程 事故严重程度 随机参数Logit模型 电动自行车 建成环境

在线阅读 下载PDF 职称材料

建成环境对交叉口行人事故严重程度异质性影响 被引量：1

18

作者 潘义勇 李烁 《重庆交通大学学报（自然科学版）》 CAS CSCD 北大核心 2024年第6期87-93,117,共8页

为探索建成环境及其他因素对行人事故伤害严重程度的影响,通过建立均值和方差异质性随机参数Logit模型对交叉口行人事故严重程度进行异质性分析。利用行人碰撞事故数据,从行人、驾驶员、车辆、道路、环境、时间、建成环境7个方面筛选出2... 为探索建成环境及其他因素对行人事故伤害严重程度的影响,通过建立均值和方差异质性随机参数Logit模型对交叉口行人事故严重程度进行异质性分析。利用行人碰撞事故数据,从行人、驾驶员、车辆、道路、环境、时间、建成环境7个方面筛选出27个影响因素,通过弹性系数分析显著变量对事故严重程度的影响程度。结果表明:地铁站可达性为“存在”是随机参数,车辆状态为“其他”会减小该随机参数的均值,降低交叉口行人事故严重程度;方差与“下午”显著相关,此变量会使随机参数的离散程度增加,分布变宽,随机性增加;不同用地类型与交叉口类型对行人事故严重程度的影响具有显著差异,用地类型为商业区、地铁站的可达性为“存在”时,交叉口行人发生交通事故的概率与伤害严重程度降低;行人有不当行为等因素显著增加了交叉口行人事故严重程度。研究结果为制定交叉口建成环境的优化改善措施提供参考和依据。 展开更多

关键词 交通运输工程 交叉口行人事故 事故严重程度 均值和方差异质性随机参数Logit 建成环境

在线阅读 下载PDF 职称材料

基于累积Logistic模型的交通事故严重程度时空分析 被引量：25

19

作者 马壮林 邵春福 +1 位作者 董春娇 王抢 《中国安全科学学报》 CAS CSCD 北大核心 2011年第9期94-99,共6页

交通事故的发生具有随机性和偶然性,为尽可能地降低交通事故的伤害程度,根据某高速公路典型事故多发段的交通事故统计资料,以交通事故严重程度为因变量,从时间、道路空间结构和交通运行环境等因素中初步选择12个候选自变量,采用混合逐... 交通事故的发生具有随机性和偶然性,为尽可能地降低交通事故的伤害程度,根据某高速公路典型事故多发段的交通事故统计资料,以交通事故严重程度为因变量,从时间、道路空间结构和交通运行环境等因素中初步选择12个候选自变量,采用混合逐步选择法分析候选自变量与因变量是否显著相关。采用累积Logistic模型建立交通事故严重程度时空分析模型,并从成比例检验、拟合优度检验和预测准确度检验3个方面对模型进行检验。研究结果表明:事故发生时段、季节因素、发生地点、道路线形、坡度、事故涉及车辆数和日标准交通量与年平均日交通量之比与交通事故严重程度显著相关。 展开更多

关键词 交通安全 交通事故严重程度 时空分析 累积Logistic模型 混合逐步选择法

在线阅读 下载PDF 职称材料

高速公路交通事故严重程度与交通流特征的关系研究 被引量：22

20

作者 侯树展 孙小端 +1 位作者 贺玉龙 田启华 《中国安全科学学报》 CAS CSCD 北大核心 2011年第9期106-112,共7页

为研究交通事故发生前后交通流特征对事故严重程度的影响,以JT高速公路作为研究对象,长期观测和采集交通流及事故数据。将交通事故发生时段的交通流主要衡量指标与事故信息进行数据匹配,形成交通事故与事故小时交通流匹配数据集,并分析... 为研究交通事故发生前后交通流特征对事故严重程度的影响,以JT高速公路作为研究对象,长期观测和采集交通流及事故数据。将交通事故发生时段的交通流主要衡量指标与事故信息进行数据匹配,形成交通事故与事故小时交通流匹配数据集,并分析流量、速度、大车比例等交通流表征指标与不同等级事故数的分布规律。通过分析发现:在某些流量、速度或大车比例区段,交通事故数及其严重程度处于较高的水平。在此基础上,利用主成分分析(PCA)技术对衡量交通流特征的初始指标进行降维处理,用交通流主成分指标综合反映交通流特征,并建立事故严重程度与交通流主成分指标的统计分析模型。结果表明:交通流主成分指标趋于零的区段的事故严重程度明显高于其他区段。 展开更多

关键词 事故严重程度 交通流 事故小时 主成分分析(PCA) 高速公路

在线阅读 下载PDF 职称材料