基于GBRT模型的交通事故预测

被引：12

作者：

杨文忠

张志豪

柴亚闯

温杰彬

杨蒙蒙

富雅玲

机构：

[1] 新疆大学信息科学与工程学院

来源：

新疆大学学报(自然科学版)(中英文) | 2020年 / 37卷 / 01期

关键词：

交通事故; 集成学习; GBRT; 预测; 回归;

D O I：

10.13568/j.cnki.651094.651316.2019.11.19.0001

中图分类号：

U491.31 [交通事故处理、分析与统计];

学科分类号：

082301 [道路与铁道工程];

摘要：

道路交通安全水平的重要标志就是道路交通事故发生量.为解决当前交通事故量预测精度不高、时间拐点数据预测效果差的问题,以及在交通管理系统中提供更加准确的预测数据帮助交通管理部门做出科学的决策,本文针对我国年周期交通事故建立了基于GBRT(Gradient Boosted Regression Tree)的交通事故模型.通过训练交通事故相关数据对未来交通事故死亡人数进行预测,并与多种回归模型、神经网络模型进行对比实验,结果显示GBRT模型具有拟合效果佳、训练时间短、高鲁棒性的优势,能够更准确、高效的对交通事故安全水平进行预测.

引用

页码：36 / 43

页数：8

共 11 条

[1]

基于LSTM神经网络模型的交通事故预测 [J].

张志豪 ;

杨文忠 ;

袁婷婷 ;

李东昊 ;

王雪颖 .

计算机工程与应用, 2019, (14) :249-253+259

[2]

基于灰色BP神经网络的道路交通事故车型分担率预测及其预防策略研究 [J].

胡立伟 ;

张婷 ;

郭凤香 ;

陈政 .

武汉理工大学学报(交通科学与工程版), 2018, (03) :388-392+397

[3]

基于残差修正灰色预测模型的北京市道路交通事故预测分析 [J].

杨鑫刚 ;

李德生 ;

任国友 .

数学的实践与认识, 2018, 48 (03) :159-166

[4]

基于GM(1,1)灰色预测模型的改进与应用 [J].

李梦婉 ;

沙秀艳 .

计算机工程与应用, 2016, 52 (04) :24-30

[5]

基于BP神经网络的道路交通安全预测模型研究 [J].

安杰 ;

董龙洋 .

公路与汽运, 2014, (03) :63-67

[6]

基于最优加权组合模型的道路交通事故预测 [J].

赵玲 ;

许宏科 ;

程鸿亮 .

计算机工程与应用, 2013, 49 (24) :11-15

[7]

基于新维无偏灰色马尔可夫的交通事故预测 [J].

赵玲 ;

许宏科 .

计算机工程与应用 , 2013, (07) :35-38+59

[8]

道路交通事故灰色Verhulst预测模型 [J].

王福建 ;

李铁强 ;

俞传正 .

交通运输工程学报, 2006, (01) :122-126

[9]

统计学习方法.[M].李航; 著.清华大学出版社.2012,

[10]

Road traffic accidents prediction modelling: An analysis of Anambra State; Nigeria.[J].Chukwutoo C. Ihueze;Uchendu O. Onwurah.Accident Analysis and Prevention.2018,

← 1 2 →