基于SVM的水上交通事故严重程度的影响因素研究

为研究水上交通事故中事故严重程度的影响因素,减小水上交通事故发生时的人员伤亡及财产损失,对2015-2016年的水上交通事故统计数据的分析.选取了水上交通事故数据中的船舶类型、事故发生时间、地点、船舶吨位、能见度和风力等级等相关因素建立了事故信息库.根据水上交通事故造成的人员伤亡数量和财产损失的大小,将事故严重程度分为3个等级,并建立了基于支持向量机(SVM)的三分类模型.然后通过交叉验证以及网格搜索算法优化SVM分类模型的惩罚参数和核函数参数,得到最优的分类模型.模型建立后,利用SVM-RFE算法求解上述影响因素对事故严重程度的权重值并排序,筛选出对于事故严重程度影响最大的因素.结果表明,支持向量机三分类模型总体分类准确率可达70% 以上;同时自沉事故、渔船事故和秋季发生的事故易造成较大的人员伤亡;危化品船舶,内河发生的事故和渔船易造成较大的财产损失.      

基于AHP-云模型的道路瓶颈度评价研究

为优化城市道路瓶颈的通行能力,有效改善交通系统的整体运行状况,建立瓶颈度评价体系,运用AHP(层次分析法)确定各评价指标的权重,采用云模型进行定量评价得到各指标的评价值,据此进行分析排序找出道路瓶颈的主要影响指标;通过综合云评价得到道路瓶颈度值,根据瓶颈度值将同一城区内瓶颈路划分为不同迫切层级,为主管部门改扩建道路决策提供参考。