| 基于SVM的水上交通事故严重程度的影响因素研究 |
| |
| 引用本文： | 汪飞翔, 杨亚东, 田书冰, 黄立文. 基于SVM的水上交通事故严重程度的影响因素研究[J]. 交通信息与安全, 2018, 36(2): 18-23,32. doi: 10.3963/j.issn.1674-4861.2018.02.003 |
| |
| 作者姓名： | 汪飞翔 杨亚东 田书冰 黄立文 |
| |
| 作者单位： | 武汉理工大学航运学院 武汉430063;武汉理工大学内河航运技术湖北省重点实验室 武汉430063;;武汉理工大学航运学院 武汉430063;武汉理工大学内河航运技术湖北省重点实验室 武汉430063;;湖南省交通规划勘察设计院 长沙410000;;武汉理工大学航运学院 武汉430063;武汉理工大学内河航运技术湖北省重点实验室 武汉430063 |
| |
| 基金项目： | 国家自然科学基金面上项目 |
| |
| 摘 要： | 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.
|
| 关 键 词： | 水上交通安全 水上交通事故 事故严重程度 SVM-RFE 多分类模型 |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《交通信息与安全》浏览原始摘要信息 |
|
点击此处可从《交通信息与安全》下载免费的PDF全文 |
|
