典型文献
基于多源数据融合的高速公路交通事故黑点判别
文献摘要：
[目的]提高高速公路交通事故黑点判别精度.[方法]基于高速公路交通事故数据,融合异常驾驶行为数据与高速公路特征点数据,创建高速公路黑点特征数据集,并将集成学习的CatBoost算法应用于G4高速公路湖南段交通事故黑点的判别.[结果]与支持向量机、随机森林和梯度提升决策树算法相比,Cat-Boost在判别高速公路事故黑点上的准确率达到了81％,F1值为0.88,AUC值分别提高了17％、13％和17％,说明其判别效果优于其他3种机器学习算法.[结论]基于多源数据融合的高速公路交通事故黑点判别方法能够有效判别出高速公路存在的事故黑点,并能输出每个相关变量对事故结果的贡献值.研究成果可应用于高速公路事故黑点的筛查,并指导管理人员制定相应的预防措施.
文献关键词：
交通安全;数据挖掘;事故黑点判别;集成学习;CatBoost
中图分类号：
作者姓名：
龙科军;邹道兴;何石坚
作者机构：
长沙理工大学 智能道路与车路协同湖南省重点实验室,湖南 长沙 410114;长沙理工大学 交通运输工程学院,湖南 长沙 410114
文献出处：
引用格式：
[1]龙科军;邹道兴;何石坚-.基于多源数据融合的高速公路交通事故黑点判别)[J].长沙理工大学学报（自然科学版）,2022(01):89-95
A类：
事故黑点判别
B类：
多源数据融合,高速公路交通,公路交通事故,交通事故黑点,事故数据,异常驾驶行为,驾驶行为数据,特征点,点特征,特征数据集,集成学习,CatBoost,算法应用,G4,南段,梯度提升决策树算法,机器学习算法,判别方法,贡献值,交通安全
AB值：
0.168669
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。
