| 基于机器学习的危险货物道路运输事故影响因素分析 |
| |
| 引用本文： | 沈小燕, 魏珊珊, 冯煜清. 基于机器学习的危险货物道路运输事故影响因素分析[J]. 交通信息与安全, 2020, 38(5): 113-119,128. doi: 10.3963/j.jssn.1674-4861.2020.05.013 |
| |
| 作者姓名： | 沈小燕 魏珊珊 冯煜清 |
| |
| 作者单位： | 长安大学汽车学院 西安 710064;长安大学汽车学院 西安 710064;长安大学汽车学院 西安 710064 |
| |
| 基金项目： | 国家重点研发计划;中央高校基本科研业务费专项 |
| |
| 摘 要： | 为研究危险货物道路运输事故严重程度的影响因素,以2015—2019年发生在我国的1267起危险货物道路运输事故案例为基础,比较决策树C5.0、支持向量机和多层感知器对危险货物道路运输事故数据的分析性能,并选用表现最佳的模型探索影响3种不同严重程度的事故发生的主要因素.结果表明,决策树C5.0整体表现最佳.影响仅财产损失事故发生的主要因素依次为直接事故形态(刮擦、泄漏、火灾和其他),间接事故形态(泄漏)和路段类型(站区);影响受伤事故的发生的主要因素依次为直接事故形态(侧翻、撞固定物、2车追尾、2车相撞、冲出路面和坠车),间接事故形态(泄漏和侧翻),路段类型(普通路段、桥梁、隧道和出入口),道路类型(省道和国道)和时间(07:00—12:00);影响死亡事故发生的主要因素依次为直接事故形态(多车相撞、多车追尾和爆炸),危化品类别(氧化性物质、气体和易燃固体),间接事故形态(火灾和爆炸)和道路线形(长下坡和急弯).
|
| 关 键 词： | 危险货物 道路运输事故 严重程度 影响因素 机器学习 |
Machine Learning-Based Analysis of Factors Influencing Dangerous Goods Road Transport Accidents |
| |
| SHEN Xiaoyan, WEI Shanshan, FENG Yuqing. Machine Learning-Based Analysis of Factors Influencing Dangerous Goods Road Transport Accidents[J]. Journal of Transport Information and Safety, 2020, 38(5): 113-119,128. doi: 10.3963/j.jssn.1674-4861.2020.05.013 |
| |
| Authors: | SHEN Xiaoyan WEI Shanshan FENG Yuqing |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 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 |
|
