\u672c\u53d1\u660e\u63d0\u4f9b\u4e00\u79cd\u57fa\u4e8e\u8d1d\u53f6\u65af\u7f51\u7edc\u7684\u4ea4\u901a\u8fdd\u6cd5\u884c\u4e3a\u4e25\u91cd\u7b49\u7ea7\u9884\u6d4b\u65b9\u6cd5\uff0c\u8be5\u65b9\u6cd5\u8fdb\u884c\u57fa\u4e8e\u7f51\u7edc\u7ed3\u6784\u7684\u6709\u5411\u56fe\u89e3\u63cf\u8ff0\uff0c\u5229\u7528\u5177\u6709\u7f51\u7edc\u7ed3\u6784\u4e2d\u7684\u6709\u5411\u65e0\u73af\u56fe\u6765\u523b\u753b\u5404\u4e2a\u8981\u7d20\u4e4b\u95f4\u7684\u5173\u8054\u5173\u7cfb\u548c\u5f71\u54cd\u7a0b\u5ea6\uff0c\u7528\u8282\u70b9\u53d8\u91cf\u6765\u8868\u8fbe\u5176\u5404\u4e2a\u8981\u7d20\uff0c\u7528\u8282\u70b9\u4e4b\u95f4\u7684\u6709\u5411\u8fb9\u6765\u8868\u8fbe\u5404\u8981\u7d20\u4e4b\u95f4\u7684\u5173\u8054\u5173\u7cfb\uff0c\u7528\u6761\u4ef6\u6982\u7387\u8868\u6765\u63cf\u8ff0\u5404\u8981\u7d20\u4e4b\u95f4\u7684\u5f71\u54cd\u7a0b\u5ea6\uff1b\u672c\u53d1\u660e\u65b9\u6cd5\u5efa\u7acb\u7684\u8d1d\u53f6\u65af\u7f51\u7edc\u6a21\u578b\u80fd\u591f\u66f4\u597d\u7684\u9884\u6d4b\u4ea4\u901a\u8fdd\u6cd5\u884c\u4e3a\u7684\u4e25\u91cd\u7b49\u7ea7\uff0c\u5176\u9884\u6d4b\u7ed3\u679c\u53ef\u5e94\u7528\u5728\u4ea4\u901a\u8fdd\u6cd5\u884c\u4e3a\u7ba1\u7406\u548c\u4ea4\u901a\u4e8b\u6545\u9884\u9632\u4e2d\u3002
【技术实现步骤摘要】
一种基于贝叶斯网络的交通违法行为严重等级预测方法
本专利技术涉及交通心理领域,更具体地,涉及一种基于贝叶斯网络的交通违法行为严重等级预测方法。
技术介绍
近些年来,我国汽车保有量迅猛增长,2015年汽车保有量已达2.79亿辆。同时,机动车驾驶人违法违规现象普遍,据统计,2015年全国共查处交通违法行为4.42亿起,近90%人身伤亡交通事故是因违法行为导致的。国内外学者针对交通事故进行了一些研究:马壮林等人运用累积Logistic回归模型对交通事故严重程度的影响因素进行了研究;李娟等人研究了基于改进的BP神经网络模型对交通事故发生的次数、死亡人数和受伤人数进行预测的方法;秦小虎等运用贝叶斯网络模型研究了天气、时间段、车速等因素对交通事故发生的影响;在国外,Karacasu等人运用logistics模型来分析交通事故发生的原因;HuSR等人运用累积Logit模型对铁道路口交通事故发生的严重性进行研究;FUH等人通过研究人、车、路以及环境与交通事故的关系,运用BP神经网络模型来预测交通事故的发生;Mehmet等人对BP神经网络与其他一些方法预测交通事故的发生进行了比较;DeOJ等人运用贝叶斯网络模型通过对道路信息、天气信息以及驾驶员信息等方面的分析来研究交通事故发生的原因;Mujalli等人通过研究事故类型、年龄、天气因素、性别、照明、受伤人数和所涉及的乘员等因素来构建贝叶斯网络,预测了交通事故的严重程度;Davis等研究了贝叶斯网络在交通事故重现方面的应用。然而,交通违法行为作为造成交通事故的主要原因之一,却很少有人去研究。交通违法行为受多种因素的影响。选取广 ...
【技术保护点】
一种基于贝叶斯网络的交通违法行为严重等级预测方法,其特征在于,包括以下步骤:S1:确定贝叶斯模型的变量;S2:建立贝叶斯模型并训练该模型。
【技术特征摘要】
1.一种基于贝叶斯网络的交通违法行为严重等级预测方法,其特征在于,包括以下步骤:S1:确定贝叶斯模型的变量;S2:建立贝叶斯模型并训练该模型。2.根据权利要求1所述的基于贝叶斯网络的交通违法行为严重等级预测方法,其特征在于,所述步骤S1的具体过程是:根据对驾驶员性别、年龄、驾龄、违法事件发生时间段、违法车辆类型以及车辆归属地与交通违法严重等级的分析,确定这些因素作为贝叶斯模型的变量,一个训练集以及训练集中的参数可表示为:X={G,A,D,T,W,V,O,L}(1)其中:G={0,1}表示性别,0表示女性,1表示男性;A={0,1,2,3,4,5}表示年龄,其中0表示18-20岁,1表示21-30岁,2表示31-40岁,3表示41-50岁,4表示51-60岁,5表示61岁及以上;D={0,1,2,3,4,5}表示驾龄,其中0表示0-3年,1表示4-6年,2表示7-10年,3表示10-15年,4表示16-20年,5表示21年...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。