-
公开(公告)号：CN118967999A
公开(公告)日：2024-11-15
申请号：CN202411048156.7
申请日：2024-08-01
Applicant: 武汉大学
IPC: G06V10/20 , G06V10/774 , G06V10/82 , G06F18/27 , G06N3/0464 , G06N3/0985 , G06N3/048
Abstract: 本发明提供一种识别街道感知安全及对交通事故调节效应的方法，所述方法包括：以路段为评估单元，通过API接口获取城市街景影像图片，构建并训练端到端卷积神经网络模型以评估街景影像的感知安全水平，建立主观层面的城市街道感知安全数据集；并结合交通事故的客观风险因素以及历史交通事故数据，建立综合数据集；随后基于综合数据集构建负二项回归模型，根据模型的变量显著性检验和系数检验结果，识别主观感知安全与客观风险因素与交通事故之间的关系；最后，在原模型中加入交互项变量，基于交互项变量结果，探索街道感知安全对于客观事故风险因素的调节效应。本发明技术方法成熟，操作简洁明确，可操作性较强。
-
公开(公告)号：CN116777300B
公开(公告)日：2024-03-22
申请号：CN202310913411.9
申请日：2023-07-24
Applicant: 武汉大学
IPC: G06Q10/0639 , G06Q10/0635 , G06Q50/26 , G06N5/01 , G06N20/00
Abstract: 本发明公开了一种基于梯度提升决策树的城市道路交通事故风险评估方法。该方法以交通小区为评估单元，通过收集社会经济环境、自然环境、建成环境和交通流特征四方面的影响因素及历史交通事故数据，基于梯度提升决策树算法建立并训练城市道路交通事故预测模型；然后从相对重要性和单变量部分依赖图两方面解析预测模型，并基于四分位数和五分位数原则划分交通事故风险等级、建立评价标准，实现单维度与多维度交通事故风险评估。本发明的方法考虑了宏观区域的多维度交通事故风险因素，运用机器学习方法深入探究了交通事故风险因素与交通事故数量之间的影响关系，可以有效且准确的对现状区域和规划方案开展交通事故风险评估，具有较强的可操作性。
-
公开(公告)号：CN116777300A
公开(公告)日：2023-09-19
申请号：CN202310913411.9
申请日：2023-07-24
Applicant: 武汉大学
IPC: G06Q10/0639 , G06Q10/0635 , G06Q50/26 , G06N5/01 , G06N20/00
Abstract: 本发明公开了一种基于梯度提升决策树的城市道路交通事故风险评估方法。该方法以交通小区为评估单元，通过收集社会经济环境、自然环境、建成环境和交通流特征四方面的影响因素及历史交通事故数据，基于梯度提升决策树算法建立并训练城市道路交通事故预测模型；然后从相对重要性和单变量部分依赖图两方面解析预测模型，并基于四分位数和五分位数原则划分交通事故风险等级、建立评价标准，实现单维度与多维度交通事故风险评估。本发明的方法考虑了宏观区域的多维度交通事故风险因素，运用机器学习方法深入探究了交通事故风险因素与交通事故数量之间的影响关系，可以有效且准确的对现状区域和规划方案开展交通事故风险评估，具有较强的可操作性。
-
公开(公告)号：CN118966455A
公开(公告)日：2024-11-15
申请号：CN202411106566.2
申请日：2024-08-13
Applicant: 武汉大学
Abstract: 本发明公开一种道路网络与土地利用协同优化方法和装置、存储介质，包括：步骤S1、获取交通事故数据和交通事故风险因素；步骤S2、根据交通事故数据和交通事故风险因素，在全局和局部尺度训练梯度提升决策树模型；步骤S3、根据训练好的梯度提升决策树模型，通过全局尺度和局部尺度的相对重要性和部分依赖图，得到道路网络和土地利用特征对交通事故影响的阈值；步骤S4、根据道路网络和土地利用特征对交通事故影响的阈值，实现道路网络与土地利用协同优化。采用本发明的技术方案，克服传统交通事故风险要素线性关系研究的局限，解决路段研究中路段划分、路段影响范围确定及交通事故点与路段匹配方面存在的技术问题。
-
-
-
Search Results
4
records
(took 0.027 seconds)
