[发明专利]一种基于随机森林的道路交通事故风险因素分析方法在审
| 申请号： | 201910366177.6 | 申请日： | 2019-05-05 |
| 公开（公告）号： | CN110276370A | 公开（公告）日： | 2019-09-24 |
| 发明（设计）人： | 张蔚;周竹萍;彭云龙;周泱;李磊;黄锐 | 申请（专利权）人： | 南京理工大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G08G1/01 |
| 代理公司： | 南京苏创专利代理事务所(普通合伙) 32273 | 代理人： | 凤婷 |
| 地址： | 210000 江苏省南*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于随机森林的道路交通事故风险因素分析方法，它是通过提取交通事故发生时涉及到人、车、路、环境四个方面的影响因素及对应的事故严重程度数据，根据随机森林预测模型算法建立道路交通事故严重程度预测模型，进行模型训练，调整模型参数；然后将建立的预测模型利用Gini指数法进行变量重要性度量，对相关风险因素进行重要性排序，识别出对事故严重程度有显著影响的因素。本发明的方法可多方面考虑道路交通事故的影响因素，深度挖掘风险因素与事故严重程度之间的联系，有利于道路安全管理。 | ||
| 搜索关键词： | 道路交通事故 随机森林 风险因素分析 风险因素 影响因素 预测模型 道路安全管理 变量重要性 程度数据 程度预测 模型参数 模型训练 指数法 度量 算法 排序 交通事故 挖掘 | ||
【主权项】：
1.一种基于随机森林的道路交通事故风险因素分析方法，其特征在于：包括以下步骤，步骤1：采集导致机动车发生交通事故的事故相关风险因素及事故严重程度作为样本数据集，并将该样本数据集划分为训练集和测试集以进行数据预处理；步骤2：将所述训练集作为自变量，对应的事故严重程度作为因变量，建立随机森林预测模型并训练该模型；步骤3：将所述测试集输入所述随机森林预测模型中，以判断随机森林预测模型预测的精度，并调整随机森林预测模型的参数使其精度满足需求；步骤4：用Gini指数法对步骤3中调整好的随机森林预测模型进行变量重要性度量，识别出对事故严重程度有显著影响的事故相关风险因素。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于南京理工大学，未经南京理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910366177.6/，转载请声明来源钻瓜专利网。
