基于ETC门架数据的山区高速公路事故风险辨识研究

扫码查看

原文链接

NETL
NSTL
万方数据

中文摘要：为了有效利用ETC门架数据,实现对山区高速公路事故风险的精准辨识,本文基于ETC实时交通流数据结合道路环境数据以及天气数据提出山区高速公路事故风险辨识模型.以重庆市某高速公路ETC数据为基础,结合山区高速公路常见的桥隧路段及天气特征,使用CatBoost(Categorical Boosting)算法对交通事故风险进行建模,并对模型的辨识精度和有效性进行验证.结果表明,基于ETC交通流数据条件下采用CatBoost算法构建的山区高速公路事故风险辨识模型,其AUC(Area Under Curve)值达到0.836,较SVM(Support Vector Machine)、RF(Random Forest)、LR(Logistic Regression)模型分别提高0.042、0.056及0.051,模型总体辨识准确率为80.96％,对事故辨识准确率(召回率)为81.93％,对非事故辨识准确率(特异度)为80.72％,能较为准确地辨识山区高速公路交通事故.

作者：

王攀、章玉、张婷婷、李利

展开 >

作者单位：

重庆交通大学交通运输学院,重庆 400074

中铁长江交通设计集团有限公司,重庆 401121

关键词：

事故风险辨识 ETC数据山区高速公路 CatBoost分类算法

出版年：

2024

DOI：

10.13439/j.cnki.itsc.2024.03.010