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

基于SVM事故分类的连环追尾事故影响因素分析

柳本民,  闫寒

downloadPDF
文章导航 > 交通信息与安全  > 2020 >  38(1): 43-51
柳本民, 闫寒. 基于SVM事故分类的连环追尾事故影响因素分析[J]. 交通信息与安全, 2020, 38(1): 43-51. doi: 10.3963/j.jssn.6174-4861.2020.01.006
引用本文: 柳本民, 闫寒. 基于SVM事故分类的连环追尾事故影响因素分析[J]. 交通信息与安全, 2020, 38(1): 43-51. doi: 10.3963/j.jssn.6174-4861.2020.01.006
shu
LIU Benmin, YAN Han. An Analysis of Influencing Factors of Multi-vehicle Rear-end Accidents Based on Accident Classification of SVM[J]. Journal of Transport Information and Safety, 2020, 38(1): 43-51. doi: 10.3963/j.jssn.6174-4861.2020.01.006
Citation: LIU Benmin, YAN Han. An Analysis of Influencing Factors of Multi-vehicle Rear-end Accidents Based on Accident Classification of SVM[J]. Journal of Transport Information and Safety, 2020, 38(1): 43-51. doi: 10.3963/j.jssn.6174-4861.2020.01.006
shu

基于SVM事故分类的连环追尾事故影响因素分析

doi: 10.3963/j.jssn.6174-4861.2020.01.006

  • 同济大学道路与交通工程教育部重点实验室 上海 200000

  • 同济大学道路与交通工程教育部重点实验室 上海 200000

基金项目: 

国家重点研发计划重点专项

详细信息

  • 中图分类号: U491.31

An Analysis of Influencing Factors of Multi-vehicle Rear-end Accidents Based on Accident Classification of SVM

    摘要
  • 摘要: 以美国公路2013—2015年所有的追尾事故数据为样本,研究导致连环追尾事故发生的关键影响因素.通过随机森林进行特征筛选,选取了与时间、驾驶人、车辆、道路和环境有关的14个相关因素作为支持向量机的输入变量,建立了基于SVM的2车追尾事故与连环追尾事故二分类模型.得到分类准确率:训练集为97.42%,测试集为80.32%,AUC为0.7,说明2种事故之间存在显著差异,且SVM模型能够较好的将2种事故进行区分.根据SVM-RFE算法计算影响分类效果的特征变量的相对重要度,得到4个对2种事故产生区别影响较大的因素,依次为:碰撞前首车的运动情况、道路的限速、季节和车道数.进一步对比各因素下2种事故发生的百分比发现,在首车停车或减速、道路限速超过80 km/h、夏季以及车道数大于2车道的情况下,更容易发生连环追尾事故.

     

    • 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:  569
  • HTML全文浏览量:  100
  • PDF下载量:  4
  • 被引次数: 0
出版历程
  • 刊出日期:  2020-02-28

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