首页|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

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

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
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).
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

展开 >

华东交通大学 交通运输工程学院,南昌 330013

江西交通职业技术学院,南昌 330013

江西省交通规划勘察设计院,南昌 330013

交通事件检测 特征变量选择 贝叶斯优化 长短期记忆网络

江西省教育厅一般课题国家自然科学基金江西省交通运输厅一般课题

GJJ190331521620422020H0053

2023

10.3969/j.issn.1674-8425(z).2023.04.018

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
年,卷(期)：2023.37(8)
  • 1
  • 14