留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

文本数据驱动下的高速公路事故持续时间预测模型

纪柯柯,  陈坚,  肖思瑶,  王祥宇,  刘亦欣,  傅志妍

downloadPDF
文章导航 > 交通信息与安全  > 2020 >  38(6): 9-16
纪柯柯, 陈坚, 肖思瑶, 王祥宇, 刘亦欣, 傅志妍. 文本数据驱动下的高速公路事故持续时间预测模型[J]. 交通信息与安全, 2020, 38(6): 9-16. doi: 10.3963/j.jssn.1674-4861.2020.06.002
引用本文: 纪柯柯, 陈坚, 肖思瑶, 王祥宇, 刘亦欣, 傅志妍. 文本数据驱动下的高速公路事故持续时间预测模型[J]. 交通信息与安全, 2020, 38(6): 9-16. doi: 10.3963/j.jssn.1674-4861.2020.06.002
shu
JI Keke, CHEN Jian, XIAO Siyao, WANG Xiangyu, LIU Yixin, FU Zhiyan. A Predictive Model of Highway Accident Duration Driven by Text Data[J]. Journal of Transport Information and Safety, 2020, 38(6): 9-16. doi: 10.3963/j.jssn.1674-4861.2020.06.002
Citation: JI Keke, CHEN Jian, XIAO Siyao, WANG Xiangyu, LIU Yixin, FU Zhiyan. A Predictive Model of Highway Accident Duration Driven by Text Data[J]. Journal of Transport Information and Safety, 2020, 38(6): 9-16. doi: 10.3963/j.jssn.1674-4861.2020.06.002
shu

文本数据驱动下的高速公路事故持续时间预测模型

doi: 10.3963/j.jssn.1674-4861.2020.06.002

  • 重庆交通大学交通运输学院 重庆 400074

  • 重庆交通大学交通运输学院 重庆 400074

  • 重庆交通大学信息科学与工程学院 重庆 400074

  • 西南交通大学唐山研究生院 河北 唐山 063000

  • 重庆交通大学信息科学与工程学院 重庆 400074

  • 重庆第二师范学院 经济与工商管理学院 重庆 400067

基金项目: 

重庆市教委科学技术研究项目

重庆交通大学研究生科研创新项目

重庆市教委"成渝地区双城经济圈建设"科技创新项目

详细信息

  • 中图分类号: U491.4

A Predictive Model of Highway Accident Duration Driven by Text Data

    摘要
  • 摘要: 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.

     

    • HTML全文
    • 参考文献(0)
    • 相关文章
    • 施引文献
  • 资源附件(0)
  • 加载中
WeChat 点击查看大图
计量
  • 文章访问数:  496
  • HTML全文浏览量:  85
  • PDF下载量:  5
  • 被引次数: 0
出版历程
  • 刊出日期:  2020-12-28

目录

    /

    返回文章
    返回

    版权所有《交通信息与安全》编辑部鄂ICP备05003336号-2

    通信地址：湖北省武汉市武昌区和平大道1178号，武汉理工大学余家头校区 (430063)

    联系电话：027-86580355电子邮箱：jtjsj@vip.163.com

    本系统由 北京仁和汇智信息技术有限公司 开发