典型文献
基于可解释机器学习框架的快速路立交出口风险预测及致因解析
文献摘要：
为实现城市快速路立交出口安全风险防控,提升城市道路整体安全性,对快速路立交出口风险水平进行预测,并探究运行状态、控制设施、道路属性、天气等因素对立交出口安全风险的影响.基于导航数据和实地调查数据,以交通秩序指数作为事故替代指标,采用极限梯度提升(XGBoost)算法构建交通秩序预测模型,并利用可解释机器学习框架SHAP解析安全风险致因.结果 表明:XGboost算法能够精准预测立交出口安全风险,准确率93.69％,精确率93.73％,召回率93.69％;拥堵指数是立交出口安全风险的重要影响因素;缓解拥堵,减少交通分流合流以及降低天气的影响对提升道路安全均有积极效应;不同拥堵状态下的预告标志数或车道数对交通秩序指数具有差异化影响.
文献关键词：
快速路立交出口;交通安全风险;风险预测;致因解析;可解释机器学习
中图分类号：
作者姓名：
赵晓华;亓航;姚莹;郭淼;国景枫;张云龙
作者机构：
北京工业大学北京市交通工程重点实验室,北京100124;北京工业大学城市建设学部,北京100124;Zachry Department of Civil Engineering,Texas A&M University,College Station,TX 77843,USA
文献出处：
引用格式：
[1]赵晓华;亓航;姚莹;郭淼;国景枫;张云龙-.基于可解释机器学习框架的快速路立交出口风险预测及致因解析)[J].东南大学学报（自然科学版）,2022(01):152-161
A类：
快速路立交出口,致因解析
B类：
可解释机器学习,出口风险,风险预测,城市快速路,安全风险防控,城市道路,整体安全性,风险水平,道路属性,导航数据,实地调查,交通秩序,极限梯度提升,XGBoost,建交,SHAP,风险致因,XGboost,精准预测,精确率,召回率,拥堵指数,少交,交通分流,合流,道路安全,积极效应,预告,车道,道数,数具,差异化影响,交通安全风险
AB值：
0.309334
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
