典型文献
基于XGBoost算法的道路交通事故严重程度预测
文献摘要：
为了进一步加强道路交通安全管理,提升道路交通安全预警系统的准确度,提出一种基于XGBoost算法的道路交通事故严重程度预测模型.首先利用SMOTE对不平衡数据集进行处理,使正负样本数量达到1:1;然后利用随机森林算法将影响城市道路交通事故严重程度的特征进行重要性排序,找出对预测模型影响较大的因素;最后基于XGBoost算法构建预测模型,使用网格搜索法进行模型参数寻优,提高预测准确度.通过与KNN、Logistic及随机森林3种模型进行结果对比分析发现,XGBoost模型的分类准确率平均提升0.097.基于XGBoost算法的道路交通事故严重程度预测模型拥有更加优越的预测性能,可为预防和降低交通事故严重程度提供可靠参考.
文献关键词：
交通安全;事故严重程度;SMOTE;随机森林;XGBoost
中图分类号：
作者姓名：
王延安;刘庆芳;成卫
作者机构：
玉溪市公安局交通警察支队,云南玉溪653100;昆明理工大学交通工程学院,云南昆明650000
文献出处：
引用格式：
[1]王延安;刘庆芳;成卫-.基于XGBoost算法的道路交通事故严重程度预测)[J].软件导刊,2022(05):84-88
A类：
B类：
XGBoost,道路交通事故,交通事故严重程度,严重程度预测,道路交通安全,交通安全管理,安全预警系统,SMOTE,不平衡数据集,正负样本,样本数量,随机森林算法,城市道路交通,重要性排序,网格搜索法,模型参数寻优,预测准确度,KNN,结果对比,分类准确率,预测性能
AB值：
0.236659
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。
