吴楚恩，罗世奎，巫立明，许佳乐

摘要：为提高高速公路交通事故处置效率，降低交通事故造成的生命财产损失，提出一种基于卷积神经网络(CNN)的高速公路交通事故严重程度预测方法。首先确定交通事故严重程度的影响因素，并根据交通事故损失情况和对事故路段的影响将事故划分为轻微事故、一般事故和严重事故三类；然后采用梯度提升决策树法计算各影响因素对交通事故严重程度影响的权重等级，根据权重等级将影响因素特征矩阵转化为灰度图像，即将交通事故数据的单一特征关系转换为包含并行组合关系的方形特征矩阵；以事故数据的时空特性作为输入，构建基于CNN的高速公路交通事故严重程度预测模型，并对模型进行评估与检验。结果表明，在高速公路交通安全事故严重程度评估中，相较于随机森林机器模型和逻辑回归模型，文中模型的识别率明显提高，对严重交通事故的测试准确率超过80%。

关键词：交通安全;交通事故;高速公路;严重程度预测;方形特征矩阵;卷积神经网络(CNN);

DOI：10.20035/j.issn.1671-2668.2023.04.005

发表时间：2023-7-25