一种基于可解释随机森林的交通事故风险研判方法

    公开(公告)号:CN118095834A

    公开(公告)日:2024-05-28

    申请号:CN202410073070.3

    申请日:2024-01-18

    Abstract: 本发明公开了一种基于可解释随机森林的交通事故风险研判方法,包括:获得研究区域的交通事故数据和路段数据并对数据进行预处理;从交通流因素、道路因素及环境因素三要素的角度构建城市道路交通事故风险影响指标体系,构建基于改进随机森林的城市道路交通事故风险研判模型,采用SHAP方法对模进行解释,计算影响因素的安全取值范围。本发明解决了道路交通事故黑点难以鉴别,事故风险难以评估,事故致因分析困难,事故影响机理解释不清的难题,实现了城市道路交通事故风险的研判与致因分析,计算误差较小且收敛速度快,效率较高,有较强的可解释性,为道路交通事故风险研判以及风险致因的动态分析奠定理论基础并提供技术支持。

    一种轨迹数据驱动的高速公路行车风险识别方法

    公开(公告)号:CN118038713A

    公开(公告)日:2024-05-14

    申请号:CN202410097233.1

    申请日:2024-01-24

    Abstract: 本发明公开了一种基于车辆轨迹数据的高速公路行车安全风险主动识别方法。具体包括:基于高速公路机动车的历史轨迹数据建立数据基座;根据轨迹数据中车辆的速度信息以及其他相关指标提取出相应的风险研判指标;使用随机森林与XGBoost的组合算法对指标的重要度进行研判,设定指标累积重要度阈值,将指标重要度按照从大到小的顺序进行累加,筛选出累积重要度大于阈值的所有指标,将这些指标结合XGBoost算法用于事故风险的识别(即有无可能发生事故)。本发明在高速公路行车安全风险识别有着较高的精度,可以为高速公路事故风险研判和动态预警提供方法支撑。

Patent Agency Ranking