典型文献
基于多任务迁移学习的交通警情信息自动处理方法
文献摘要：
从交通警情数据中自动获取信息对于快速处理交通事故和提高交通管理水平具有重要的意义.为此,提出了 一种基于多任务迁移学习的交通警情信息自动处理方法,该方法上游采用文本预训练模型作为共享参数层,下游建立多任务并行学习方法,实现对交通警情中的关键信息、类型和语义自动处理.选取江苏省苏州市2年内共120 191条原始交通警情作为试验数据,通过自动处理方法构建了 一套标准的交通警情信息数据库.试验结果表明:所建立的关键信息抽取方法可以更精准地提取警情数据中的时间、地址和车牌信息;交通警情分类模型性能优于现有的深度学习模型,分类准确率达93％;基于局部特征增强的警情语义分析方法重点识别了警情中事故的严重程度和救援需求,识别准确率达87％.研究结论显示交通警情自动化处理方法具有良好的可移植性和实用性.
文献关键词：
交通工程;交通警情;迁移学习;自然语言处理;交通事故
中图分类号：
作者姓名：
李昀轩;李萌;陆建;顾欣;郭娅明
作者机构：
清华大学土木工程系,北京 100084;东南大学交通学院,江苏南京 211189;北京工业大学北京市交通工程重点实验室,北京 100124
文献出处：
引用格式：
[1]李昀轩;李萌;陆建;顾欣;郭娅明-.基于多任务迁移学习的交通警情信息自动处理方法)[J].中国公路学报,2022(09):封2,1-12
A类：
B类：
多任务,任务迁移,迁移学习,交通警情,警情信息,自动处理,获取信息,快速处理,交通事故,交通管理,预训练模型,共享参数,数层,任务并行,并行学习,关键信息,江苏省苏州市,信息数据库,信息抽取,地址,车牌信息,情分,分类模型,模型性能,深度学习模型,分类准确率,局部特征,特征增强,语义分析,识别准确率,自动化处理,可移植性,交通工程,自然语言处理
AB值：
0.314884
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。
