来源：期刊VIP网 时间：
作者：贾现广;宋腾飞;吕英英;
单位：昆明理工大学交通工程学院;昆明理工大学信息工程与自动化学院;
摘要：为提升道路交通事故严重程度预测模型的性能，以及分析事故特征对于事故严重程度的影响，提出一种基于双层Stacking模型的交通事故严重程度预测方法。首先，采用BSMOTE2算法来平衡数据，并验证数据平衡处理是否会对模型预测产生正向影响，同时利用GBDT-RFECV算法进行k折交叉验证选择，完成特征降维。其次，构建双层Stacking模型，第一层由BiGRU和XGBoost组成，将时间序列特征用于BiGRU，静态特征用于XGBoost进行初步预测；第二层采用CatBoost模型，结合第一层的预测结果进行最终的严重程度预测。研究结果表明：模型的准确率、宏F_1和宏AUC均有明显提高，表明数据平衡处理对模型预测产生正向影响；相较于KNN、BiGRU、RF和XGBoost模型，所提双层Stacking模型的预测准确率分别提高了5.45%、10.23%、1.78%和2.34%，宏F_1值提高了5.31%、9.91%、1.35%和1.92%，宏AUC提高了11.13%、6.97%、2.13%和2.71%。该双层Stacking模型在多个评估指标上的表现均优于其他模型。
关键词：交通安全;;交通事故预测;;预测分析;;集成学习;;机器学习;;深度学习;;特征降维
基金资助：国家自然科学基金项目(71961012)
