数据驱动的结构化交通风险预测模型 - 香港千禾出版集团有限公司

陈光晓，李营，王涛

中国航空工业集团公司济南特种结构研究所信息档案技术研究室，山东济南 250100

摘要：交通事故救援的时效性和有效性对于保障公民生命财产安全至关重要，如果能够对交通事故风险进行准确预测，并在识别到潜在风险后及时进行现场勘测与救援，将显著提升救援响应的时效性，有效维护公众安全。现有的交通风险预测模型，一方面受分析人员对诱发交通事故发生因素的考虑不足，以及经验或知识的局限性的影响，无法准确预测；另一方面，模型大多只通过评判交通事故发生概率来进行风险输出，而忽略了事故严重程度对风险值的影响。设计了一种结构化的交通风险实时性预测模型，将交通风险分解为事故发生概率与事故严重程度两个层次结构，更有助于理解和分析不同因素在整体风险中的角色，在应对动态交通环境的挑战时更具优势。首先对数据对象进行了必要的数据预处理，然后通过自相关分析、Person 相关性分析等数据分析技术，对影响交通事故的各种时空因素进行数据挖掘和数据深入分析，并根据分析结果完成特征的选择，最后通过 PU-Learning 算法结合随机森林模型，实现交通风险预测模型的构建。经实验分析，与基准模型

相比，该模型具有更良好的预测性能。

关键词：数据挖掘；交通风险预测；机器学习

参考文献

[1]Beg A, Qureshi A R, Sheltami T, etal. UAV-enabled intelligent traffic policingand emergency response handling system forthe smart city[J]. Personal and UbiquitousComputing, 2021, 25: 33-50.

[2]Zhang J, Jiahao X. Cooperative taskassignment of multi-UAV system[J]. ChineseJournal of Aeronautics, 2020, 33(11): 2825-

2827.

[3] 张祥银 , 夏爽 , 张天 . 基于自适应遗传学习粒子群算法的多无人机协同任务分配 [J/OL].控制与决策 :1-9[2022-10-08].DOI:10.13195/

j.kzyjc.2022.0240.

[4]Shima T, Rasmussen S J, Sparks A G, etal. Multiple task assignments for cooperatinguninhabited aerial vehicles using geneticalgorithms[J]. Computers & Operations Research,2006, 33(11): 3252-3269.

[5]Zhu M, Du X, Zhang X, et al. Multi-UAVrapid-assessment task-assignment problem in apost-earthquake scenario[J]. IEEE access, 2019,7: 74542-74557.

[6]Xiao K, Lu J, Nie Y, et al. A benchmarkfor multi-UAV task assignment of an extendedteam orienteering problem[J]. arXiv preprintarXiv:2009.00363, 2020.

[7]Singh A, Baghel A S. A new groupinggenetic algorithm approach to the multiplet r a v e l i n g s a l e s p e r s o n p r o b l e m [ J ] . S o f tComputing, 2009, 13: 95-101.

[8]Srinivas M, Patnaik L M. Geneticalgorithms: A survey[J]. computer, 1994, 27(6):17-26.

[9] 陈长征 , 王楠 . 遗传算法中交叉和变异概率选择的自适应方法及作用机理 [J]. 控制理论与应用 ,2002(01):41-43