运输经理世界2024，Issue(25) ：126-128.

基于BiLSTM的突发性交通事故严重程度预测研究

康进实
运输经理世界2024，Issue(25) ：126-128.
✕
  • NETL
  • NSTL
  • 万方数据

基于BiLSTM的突发性交通事故严重程度预测研究

康进实1
扫码查看

作者信息

  • 1. 甘肃公航旅信息科技有限公司,甘肃 兰州 730000
  • 折叠

摘要

突发性交通事故严重程度预测是道路交通安全管理的研究热点之一.采用省域交通事故记录为数据来源,选取时段、天气、受伤人数等14个影响因素作为自变量,提出一种基于深度学习的突发性交通事故严重程度预测方法.依据事故持续时间将突发性交通事故划分为轻微、一般和严重三个等级,建立基于双向长短时记忆网络(BiLSTM)的突发性交通事故严重程度预测模型.结果表明,BiLSTM模型的F1值最高,优于其他模型.

关键词

交通安全/交通事故严重程度预测/双向长短时记忆网络

引用本文复制引用

出版年

2024
运输经理世界
交通运输部科学研究院

运输经理世界

影响因子：0.057
ISSN：1673-3681
段落导航相关论文