|
| 模型算法在事故严重度预测中的应用 |
|
| |
|
| 摘要点击次数: 87 |
| 全文下载次数: 53 |
| 中文摘要: |
| 近年来,模型算法因具有高预测精度被广泛应用于事故严重度的预测与分析。然而,算法所依托的模型通常被视为“黑盒”,难以揭示事故特征在模型中的具体作用及其影响机制。探索基于模型的算法在事故严重度预测中的应用,分析事故特征对事故严重度的贡献并揭示其致因。对比常见的几类模型算法,并结合夏普利加性解释(SHAP)方法对模型的可解释性进行了深入分析。结果显示,随机森林模型在事故严重度预测中表现最佳,揭示了关键事故特征对事故严重度的具体影响及贡献大小。研究成果弥补了传统模型算法“黑盒”特性的不足,为交通事故分析提供了更为深入的研究工具和方法支持。 |
| 英文摘要: |
| |
| 查看全文 查看/发表评论 |
| 关闭 |
|
|
|