基于多源数据融合的高速公路交通事故黑点判别

【目的】提高高速公路交通事故黑点判别精度。【方法】基于高速公路交通事故数据,融合异常驾驶行为数据与高速公路特征点数据,创建高速公路黑点特征数据集,并将集成学习的CatBoost算法应用于G4高速公路湖南段交通事故黑点的判别。【结果】与支持向量机、随机森林和梯度提升决策树算法相比,CatBoost在判别高速公路事故黑点上的准确率达到了81%,F₁值为0.88,A_UC值分别提高了17%、13%和17%,说明其判别效果优于其他3种机器学习算法。【结论】基于多源数据融合的高速公路交通事故黑点判别方法能够有效判别出高速公路存在的事故黑点,并能输出每个相关变量对事故结果的贡献值。研究成果可应用于高速公路事故黑点的筛查,并指导管理人员制定相应的预防措施。