首页|基于LSTM-BF的高速公路交通事故风险模型

基于LSTM-BF的高速公路交通事故风险模型

Study on risk model of highway traffic accidents based on LSTM-BF

扫码查看
原文链接
  • 万方数据
  • 维普
为减少高速公路交通事故的发生,综合利用长短期记忆神经网络(LSTM)和贝叶斯滤波(BF)研究高速公路交通事故风险状态预测模型,首先,通过LSTM模块学习历史交通流风险数据中存在的时间依赖关系;然后,通过BF模块融合LSTM预测结果提高实时风险预测效果;最后,利用宁波绕城高速2020年交通事故和沿线卡口数据,基于事故发生前20 min内上下游卡口间的时空范围,采用移动时间窗形式构建多步特征变量,并进行五折交叉验证.结果表明:相比随机森林(RF)算法,LSTM模型具有更高的精确率和召回率;在LSTM模型基础上,增加贝叶斯滤波BF模块可使最终风险预测结果F1值达到0.80水平.

熊晓夏、刘擎超、沈钰杰、蔡英凤、陈龙

展开 >

江苏大学汽车与交通工程学院,江苏镇江212013

江苏大学汽车工程研究院,江苏镇江212013

长短期记忆(LSTM) 贝叶斯滤波(BF) 高速公路 交通事故 风险预测 交通流

国家自然科学基金青年基金国家自然科学基金区域创新发展联合基金江苏省交通运输科技与成果转化项目

52002154U20A203312021G05

2022

10.16265/j.cnki.issn1003-3033.2022.05.1602

中国安全科学学报
中国职业安全健康协会

中国安全科学学报

CSTPCDCSCD北大核心
影响因子：1.548
ISSN：1003-3033
年,卷(期)：2022.32(5)
  • 4
  • 6