首页|基于机器学习的高速公路大型货车追尾风险预测

基于机器学习的高速公路大型货车追尾风险预测

Prediction of rear-end collision risk of freeway trucks based on machine learning

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对高速公路大型货车追尾事故频发的问题,评估高速公路大型货车追尾风险,并分析交通流特性对大型货车追尾风险的影响,以降低追尾事故的发生率.根据德国HighD开源数据集,以不同冲突风险等级的碰撞时间(TTC)阈值作为大型货车冲突风险的划分标准,提取大型货车的车辆轨迹与交通特征参数等数据,基于随机森林(RF)、支持向量机(SVM)和人工神经网络(ANN)等3种机器学习模型分别建立高速公路大型货车追尾风险实时预测模型;以混淆矩阵、受试者工作特征曲线的曲线下面积(AUC)和洛伦兹(KS)检验等评价指标,对比分析各模型的整体预测能力,并选取预测精度最好的模型分析各个特征参数对追尾风险的影响程度.研究结果表明:RF模型的预测准确率达75％,相对SVM模型高出8％,相对ANN模型高出10％,且RF模型的预测精确度、召回率、AUC值和KS值均优于SVM模型和ANN模型;最小车头间距、车速标准差和加速度标准差3个参数对大型货车追尾风险影响程度最高.

machine learningfreewaytruckrisk of rear-end collisionprediction modeltime-to-collision(TTC)

温惠英、黄坤火、赵胜

展开 >

华南理工大学土木与交通学院,广东广州 510635

机器学习 高速公路 大型货车 追尾风险 预测模型 碰撞时间(TTC)

国家自然科学基金

52172345

2023

10.16265/j.cnki.issn1003-3033.2023.09.2142

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)：2023.33(9)
  • 8