%0 Journal Article
%T 基于SVM灵敏度的城市交通事故严重程度影响因素分析
%A 孙轶轩
%A 邵春福
%A 岳昊
%A 朱亮
%J 吉林大学学报(工学版)
%P 1315-1320
%D 2014
%X 基于某中小城市4881起交通事故现场数据,构建了基于“道路交通事故信息系统”事故数据的特征变量集;以一般事故、严重事故作为二分类标签,建立事故严重程度支持向量机(SVM)分类识别模型,并分别通过网格搜索法、遗传算法进行模型核参数寻优;最后,通过单因素局部灵敏度分析方法,研究各个特征变量对模型测试集分类精度的影响,进一步确定事故严重程度的核心影响因素。结果表明:SVM模型在训练集和测试集上的分类精度均在80%左右,表现出良好的分类识别效果和泛化能力;事故属性、车辆属性中有8个特征变量,显著影响SVM模型的分类精度。
%K 交通工程
%K 事故严重程度
%K 分类识别
%K 支持向量机
%K 智能算法
%U http://xuebao.jlu.edu.cn/gxb/CN/Y2014/V44/I5/1315