基于机器学习技术的逐时雾事故判别气象模型
为进一步提高雾天交通安全气象保障精细化能力,以江苏、安徽高速公路雾事故多发路段为例,利用2012-2018年事故信息与气象资料,建立一种基于变量选择和特征提取的逐时雾事故判别支持向量机模型.模型参照递归特征消除思路选择事故发生时间、地理位置、气象环境等重要变量,使用主成分分析提取重要变量的主要特征,并以径向基为核函数、以网络搜索确定最优参数.结果表明:结合重要变量选择和主成分分析的支持向量机混合模型能够成功识别出训练集81.4%和测试集83.0%的事故样本,AUC分数均为0.946;判别效果优于支持向量机单独算法,以及仅基于重要变量选择或主成分分析的支持向量机算法;3个典型实例分析也说明该模型对于阶段性或持续性大雾天气下的交通事故发生有一定判识与警示意义.
高速公路、雾天交通事故判别、逐小时概率、变量选择、主成分分析、支持向量机
51
P49;X43(应用气象学)
国家重点研发计划;国家重点研发计划;中国气象局公共气象服务中心创新基金项目
2023-03-15(万方平台首次上网日期,不代表论文的发表时间)
共8页
149-156