-
题名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
秦文杰
张彦敏
-
机构
哈尔滨工程大学烟台研究生院
武汉第二船舶设计研究所海洋电磁探测与控制湖北省重点实验室
-
出处
《科学技术与工程》
北大核心
2025年第10期4355-4360,共6页
-
基金
国家自然科学基金(52101383)。
-
文摘
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。
-
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
-
Keywords
traffic accidents
severity prediction
XGBoost
MLP
feature analysis
ensemble learning
deep learning
-
分类号
U491.3
[交通运输工程—交通运输规划与管理]
-
