-
题名基于LSTM-BF的高速公路交通事故风险模型
被引量：12
- 1
-
-
作者
熊晓夏
刘擎超
沈钰杰
蔡英凤
陈龙
-
机构
江苏大学汽车与交通工程学院
江苏大学汽车工程研究院
-
出处
《中国安全科学学报》
CAS
CSCD
北大核心
2022年第5期170-176,共7页
-
基金
国家自然科学基金青年基金资助(52002154)
国家自然科学基金区域创新发展联合基金资助(U20A20331)
江苏省交通运输科技与成果转化项目(2021G05)。
-
文摘
为减少高速公路交通事故的发生,综合利用长短期记忆神经网络(LSTM)和贝叶斯滤波(BF)研究高速公路交通事故风险状态预测模型,首先,通过LSTM模块学习历史交通流风险数据中存在的时间依赖关系;然后,通过BF模块融合LSTM预测结果提高实时风险预测效果;最后,利用宁波绕城高速2020年交通事故和沿线卡口数据,基于事故发生前20 min内上下游卡口间的时空范围,采用移动时间窗形式构建多步特征变量,并进行五折交叉验证。结果表明:相比随机森林(RF)算法,LSTM模型具有更高的精确率和召回率;在LSTM模型基础上,增加贝叶斯滤波BF模块可使最终风险预测结果F_(1)值达到0.80水平。
-
关键词
长短期记忆(LSTM)
贝叶斯滤波(bf)
高速公路
交通事故
风险预测
交通流
-
Keywords
short and long term memory(LSTM)
bayesian filter(bf)
highway
traffic accident
risk prediction
traffic flow
-
分类号
X928.03
[环境科学与工程—安全科学]
-
