文献类型：期刊文章

作　　者：王博文[1] 王景升[1] 吴恩重[2]

WANG Bo-wen;WANG Jing-sheng;WU En-zhong(People's Public Security University of China,School of Traffic Management,Beijing 100038,China;People's Public Security University of China,Public Security College,Beijing 100038,China)

机构地区：[1]中国人民公安大学交通管理学院,北京100038 [2]中国人民公安大学治安学院,北京100038

出　　处：《科学技术与工程》

基　　金：公安部公安理论及软科学研究计划(2020LLYJGADX020);中国人民公安大学2022年基本科研业务费学科基础理论体系项目(2022JKF02013)。

年　　份：2023

卷　　号：23

期　　号：2

起止页码：831-837

语　　种：中文

收录情况：BDHX、BDHX2020、JST、RCCSE、ZGKJHX、核心刊

摘　　要：为深入挖掘驾驶人因素与交通事故之间的关系,提出了一种基于SMOTENC和极端梯度提升(extreme gradient boosting,XGBoost)的驾驶人交通状态优劣分类算法。首先针对交通事故发生与否不平衡的特点,使用SMOTENC算法对数据进行上采样并在采样过程中加入随机扰动,解决了数据不平衡问题。然后使用Embedded算法结合L1正则化,通过模型评估完成对特征子集的选择。最后使用机器学习的方法将XGBoost算法用于执行数据的特征提取和分类过程。实验表明,在对驾驶人的交通状态进行综合评价的任务上,XGBoost模型的准确率为99.85%,相较于随机森林、支持向量机等对照组模型,提升了1.12%~1.80%。除此之外,使用SMOTENC算法对数据不平衡问题进行处理后,通过混淆矩阵观察到模型对于好坏个体均具备较好的识别能力。

关 键 词：交通安全 XGBoost  SMOTENC  驾驶人因素  事故预防  

分 类 号：U491.31[物流管理与工程类]