重庆理工大学学报2023，Vol.37Issue(8) ：157-165.DOI:10.3969/j.issn.1674-8425(z).2023.04.018

采用特征变量选择和长短期记忆网络的高速公路交通事件检测研究

Research on highway traffic accident detection using feature variable selection and long and short-term memory network

张兵 张校梁 屈永强 上官小荣 邹少权
重庆理工大学学报2023，Vol.37Issue(8) ：157-165.DOI:10.3969/j.issn.1674-8425(z).2023.04.018
✕
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据

采用特征变量选择和长短期记忆网络的高速公路交通事件检测研究

Research on highway traffic accident detection using feature variable selection and long and short-term memory network

张兵 1张校梁 1屈永强 2上官小荣 3邹少权1
扫码查看

作者信息

  • 1. 华东交通大学 交通运输工程学院,南昌 330013
  • 2. 江西交通职业技术学院,南昌 330013
  • 3. 江西省交通规划勘察设计院,南昌 330013
  • 折叠

摘要

为提升高速公路交通事件检测效果,依据交通事件发生时上、下游交通流参数的变化特性,构建一组相对全面的交通事件检测初始特征变量集,使用随机森林-交叉验证递归特征消除(RF-RFECV)算法筛选出重要特征变量.利用重要特征变量作为输入训练长短期记忆网络(LSTM),通过贝叶斯优化算法(BOA)优化LSTM网络的超参数.使用真实高速公路数据进行验证和对比分析,采用Borderline-SMOTE解决交通数据集的不平衡问题.实验结果表明:筛选出对交通事件检测更为敏感的重要特征变量,可以提高检测精度,LSTM的检测效果也明显优于随机森林(RF)和支持向量机(SVM).

关键词

交通事件检测/特征变量选择/贝叶斯优化/长短期记忆网络

引用本文复制引用

基金项目

江西省教育厅一般课题(GJJ190331)

国家自然科学基金(52162042)

江西省交通运输厅一般课题(2020H0053)

出版年

2023
重庆理工大学学报
重庆理工大学

重庆理工大学学报

CSTPCD北大核心
影响因子：0.567
ISSN：1674-8425
被引量1
参考文献量14
段落导航相关论文