面向不平衡数据集的SMOTENC-XGBoost驾驶人交通安全评估模型

摘要：

为深入挖掘驾驶人因素与交通事故之间的关系,提出了一种基于SMOTENC和极端梯度提升(extreme gradient boosting,XGBoost)的驾驶人交通状态优劣分类算法.首先针对交通事故发生与否不平衡的特点,使用SMOTENC算法对数据进行上采样并在采样过程中加入随机扰动,解决了数据不平衡问题.然后使用Embedded算法结合L1正则化,通过模型评估完成对特征子集的选择.最后使用机器学习的方法将XGBoost算法用于执行数据的特征提取和分类过程.实验表明,在对驾驶人的交通状态进行综合评价的任务上,XGBoost模型的准确率为99.85％,相较于随机森林、支持向量机等对照组模型,提升了1.12％ ～1.80％.除此之外,使用SMOTENC算法对数据不平衡问题进行处理后,通过混淆矩阵观察到模型对于好坏个体均具备较好的识别能力.

关键词：交通安全、XGBoost、SMOTENC、驾驶人因素、事故预防

所属期刊栏目：23

分类号：U491.31(交通工程与公路运输技术管理)

资助基金：公安部公安理论;软科学研究计划;中国人民公安大学基本科研业务费学科基础理论体系项目

在线出版日期：2023-03-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：831-837