文献类型：期刊文章

作　　者：李志慧[1] 孙雅倩[1] 陶鹏飞[1] 李海涛[1] 刘昕[2]

LI Zhi-hui;SUN Ya-qian;TAO Peng-fei;LI Hai-tao;LIU Xin(College of Transportation,Jilin University,Changchun 130022,China;Big Data and Network Management Center,Jilin University,Changchun 130022,China)

机构地区：[1]吉林大学交通学院,长春130022 [2]吉林大学大数据和网络管理中心,长春130022

出　　处：《吉林大学学报（工学版）》

基　　金：国家重点研发计划项目(2019YFB1600500).

年　　份：2022

卷　　号：52

期　　号：1

起止页码：127-135

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：以事故数据为基础研究事后风险状态,建立了基于改进深度森林算法的交通运行风险状态等级预测模型。首先分析了事故特征重要度,建立了基于极端梯度提升算法的事故特征筛选机制,引入贝叶斯参数寻优和十折交叉验证法实现了深度森林模型的超参数优化;同时设计了循环多粒度扫描方法和加权级联森林结构,获取了交通运行风险状态等级与事故特征的映射关系,建立了基于改进深度森林模型的交通运行风险状态等级预测方法。为了验证本文方法的有效性,与支持向量机、随机森林等方法进行了对比分析,实验结果表明:本文模型预测准确度为90.80%,roc曲线下的面积auc值为0.99,表现出了良好的预测性能和泛化能力,与对照实验相比,本文模型具有明显的优越性,且在实效检验中同样取得了良好的预测效果。

关 键 词：交通运行风险状态等级  改进深度森林模型  事故特征筛选  超参数寻优  

分 类 号：U491[物流管理与工程类]