典型文献
交通事故后的交通运行风险状态等级预测方法
文献摘要：
以事故数据为基础研究事后风险状态,建立了基于改进深度森林算法的交通运行风险状态等级预测模型.首先分析了事故特征重要度,建立了基于极端梯度提升算法的事故特征筛选机制,引入贝叶斯参数寻优和十折交叉验证法实现了深度森林模型的超参数优化;同时设计了循环多粒度扫描方法和加权级联森林结构,获取了交通运行风险状态等级与事故特征的映射关系,建立了基于改进深度森林模型的交通运行风险状态等级预测方法.为了验证本文方法的有效性,与支持向量机、随机森林等方法进行了对比分析,实验结果表明:本文模型预测准确度为90.80％,roc曲线下的面积auc值为0.99,表现出了良好的预测性能和泛化能力,与对照实验相比,本文模型具有明显的优越性,且在实效检验中同样取得了良好的预测效果.
文献关键词：
交通运行风险状态等级;改进深度森林模型;事故特征筛选;超参数寻优
中图分类号：
作者姓名：
李志慧;孙雅倩;陶鹏飞;李海涛;刘昕
作者机构：
吉林大学交通学院,长春130022;吉林大学大数据和网络管理中心,长春130022
文献出处：
引用格式：
[1]李志慧;孙雅倩;陶鹏飞;李海涛;刘昕-.交通事故后的交通运行风险状态等级预测方法)[J].吉林大学学报（工学版）,2022(01):127-135
A类：
交通运行风险状态等级,事故特征筛选,改进深度森林模型,auc
B类：
交通事故,等级预测,事故数据,深度森林算法,了事,特征重要度,极端梯度提升算法,筛选机制,贝叶斯参数,十折交叉验证法,超参数优化,多粒度扫描,扫描方法,级联森林,森林结构,映射关系,预测准确度,roc,预测性能,泛化能力,对照实验,超参数寻优
AB值：
0.212074
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。
