基于SVM的水上交通事故严重程度的影响因素研究

作者：汪飞翔; 杨亚东; 田书冰; 黄立文

来源：交通信息与安全, 2018, 36(02): 18-32.

• 水上交通安全
• 水上交通事故
• 事故严重程度
• SVM-RFE
• 多分类模型

为研究水上交通事故中事故严重程度的影响因素,减小水上交通事故发生时的人员伤亡及财产损失,对2015-2016年的水上交通事故统计数据的分析。选取了水上交通事故数据中的船舶类型、事故发生时间、地点、船舶吨位、能见度和风力等级等相关因素建立了事故信息库。根据水上交通事故造成的人员伤亡数量和财产损失的大小,将事故严重程度分为3个等级,并建立了基于支持向量机(SVM)的三分类模型。然后通过交叉验证以及网格搜索算法优化SVM分类模型的惩罚参数和核函数参数,得到最优的分类模型。模型建立后,利用SVM-RFE算法求解上述影响因素对事故严重程度的权重值并排序,筛选出对于事故严重程度影响最大的因素。结果表明,支持向量机三分类模型总体分类准确率可达70%以上;同时自沉事故、渔船事故和秋季发生的事故易造成较大的人员伤亡;危化品船舶,内河发生的事故和渔船易造成较大的财产损失。

• 单位
  湖南省交通规划勘察设计院; 武汉理工大学; 内河航运技术湖北省重点实验室