面向动态交通流的高速公路事故风险模型空间移植研究 |
| |
作者姓名: | 杨洋 贺昆 王云鹏 陈垚 袁振洲 |
| |
作者单位: | 1. 北京航空航天大学,交通科学与工程学院;2. 北京航空航天大学,车路协同与安全控制北京市重点实验室;3. 北京交通大学,交通运输学院 |
| |
基金项目: | 国家重点研发计划;;中国博士后科学基金;;北京市自然科学基金~~; |
| |
摘 要: | 本文旨在探究不同尺度数据集对高速公路实时事故风险建模的影响,并实现不同数据特征路段间事故风险模型的空间移植。首先,提取不同特征路段检测器信息,以动态交通流匹配事故数据构建多尺度数据集:高精度数据集、小样本数据集、低精度数据集以及同尺度条件下(同为高精度大样本量)的空间差异数据集;进而,通过贝叶斯Logistic回归量化不同样本量对事故风险模型预测性能的影响;分别采用统计学和机器学习手段建模分析高精度和低精度数据集;最后,基于贝叶斯更新方法建立实时事故风险移植模型,对高速公路实时事故风险预测模型进行空间移植,并验证其可靠性。结果显示:贝叶斯Logistic回归的性能随着样本量增大而有所提升;高精度数据条件下,贝叶斯Logistic回归和RF-SVM(Random Forest-Support Vector Machine)模型的AUC(Area Under Curve)值比低精度条件下分别高出0.092和0.037;在不同数据精度的空间移植中,贝叶斯更新方法可令低精度路段模型的AUC值从0.645提至0.714,在相同数据尺度的空间移植中,该方法可将被更新路段模型的AUC值从0.737提...
|
关 键 词: | 交通工程 动态交通安全 模型移植 高速公路 贝叶斯Logistic回归 机器学习 |
|
|