Resumen

Los accidentes de tráfico son una manifestación concreta de los niveles de seguridad vial. La predicción actual de accidentes de tráfico tiene el problema de su baja precisión. Con el fin de proporcionar a los departamentos de gestión del tráfico datos de predicción más precisos, puede aplicarse en el sistema de gestión del tráfico para ayudar a tomar decisiones científicas. Este trabajo establece un modelo de predicción de accidentes de tráfico basado en LSTM-GBRT (long short-term memory, gradient boosted regression trees) y predice indicadores de nivel de seguridad de accidentes de tráfico mediante el entrenamiento de datos relacionados con accidentes de tráfico. Comparado con varios modelos de regresión y modelos de redes neuronales, los resultados experimentales muestran que el modelo LSTM-GBRT tiene un buen efecto de ajuste y robustez. El modelo LSTM-GBRT puede predecir con precisión el nivel de seguridad de los accidentes de tráfico, de modo que el departamento de gestión del tráfico puede comprender mejor la situación de los niveles de seguridad del tráfico.

• Materias:Aerodinámica Robótica Regulación automática Tecnología de sensores Optimización de procesos
• Subjects:Aerodynamics Robotics Automatic regulation Sensor technology Process optimization
• Palabras claves:lstm, modelo gbrt, predicción de accidentes de tráfico actuales, niveles de seguridad del tráfico rodado, modelo de predicción de accidentes de tráfico, indicadores del nivel de seguridad de los accidentes de tráfico, accidentes de tráfico, datos de previsión precisos, buen efecto de ajuste, modelos de redes neuronales
• Keywords:lstm, gbrt model, current traffic accident prediction, road traffic safety levels, traffic accident prediction model, traffic accident safety level indicators, road traffic accidents, accurate forecast data, good fitting effect, neural network models