文本数据驱动下的高速公路事故持续时间预测模型

事故持续时间的预测是高速公路应急管理的基础,及时准确的事故持续时间预测可为道路疏导和组织救援提供可靠依据.针对道路交通事故信息及其异质性主要以自由流文本存在的问题,研究了基于文本数据的高速公路事故持续时间预测方法,可应用于以自然语言形式存在的任何信息文本.并在此基础上,构建V-Fisher有序聚类模型,结合多种文本分类算法,开展模型结果的对比分析.结果表明,与一般回归算法相比,V-Fisher有序聚类模型可更好的实现对事故持续时间的预测,且通过集成学习(SVR+LR)建立的分类模型准确率达到0.82,取得良好的预测效果.      

基于组合赋权—云模型的高速公路路网交通适应性评价

针对于传统交通适用性评价过程存在的随机性和模糊性问题,提出一种组合赋权—云模型的高速公路路网交通适应性评价方法。首先,从路网结构性能和路网运行效率两方面,选取路网密度、饱和度等8个定量因素建立评价指标体系,采用相对分析法,将适应性划分为4个等级后,依次确定各等级区间范围;其次,基于逆向云模型理论,得到各评价指标隶属各等级的确定度,利用组合赋权所得权重对各个指标确定度进行加权平均。最后,根据确定度最大原则,综合得到交通适应性等级。以四川省高速公路联网收费数据和网络拓扑数据为基础,构建评价模型,最终结果为不适应,为今后高速公路网建设提供理论基础和数据支撑。