美国 某州2020年交通事故统计数据，含事故发生的原因、人车路特性等，可用于交通事故只因分析
2021-10-14 12:01:49
17.96MB
1
CSE6242数据和视觉分析（2019年Spring）
第74小组-道路交通事故预测Web应用程序
项目说明
在此项目中，我们着手提供一种预测RTA风险的工具，以解决英国伦敦的道路交通事故（RTA）问题，从而使用户可以做出有关其行驶路线的明智决定。 我们还对过去的数据和图像进行了详细分析，以更好地了解RTA。
我们的Web界面包含两个部分，即探索和交互。 在探索部分，我们介绍了我们的研究方法，所使用的算法，数据的分析和可视化。 在交互部分中，用户可以利用交互式仪表板来预测他们选择的路线中RTA的可能性。
该应用程序使用机器学习模型进行预测。 用户将必须输入日期和时间，出发地和旅行目的地。 然后，该应用程序将调用进行路线规划和天气API，进行天气预报。 这些数据随后将被输入到模型中，并且在用户路线中出现RTA的可能性将在地图上显示为危险图标。
该Web应用程序是使用Python Fla
2021-09-28 21:25:02
17.79MB
1
传统的道路交通事故预测是对交通事故次数及其造成的损失的历史趋势进行预测，针对其不能反映交通事故与实时交通特性关系、不能有效地预防事故发生的问题，提出一种贝叶斯和逻辑回归二分类算法的交通事故判断与预测模型
首先，进行数据处理，将交通状态划分为正常与危险两种，分别用0和1表示；利用采集的交通流数据作为特征变量对不同的状态进行表征，将事故的实时预测问题转化为分类问题；对某项偏大的数据特征进行数据处理，利用下采样策略解决由于危险状态样本较少而导致的样本不均衡问题；将重新选出的数据集分割成训练集与测试级，在训练集上进行k折交叉验证，利用贝叶斯和逻辑回归进行训练。利用recall查全率选出较好模型。根据样本数据训练的分类器对不同的交通状态进行分类识别。实验结果表明，逻辑回归比贝叶斯更能较好判断，更能反映不同交通状态的差别，获得更好的分类结果。最后，对于给定的交通数据进行预测与判断
2021-09-11 20:38:00
41.48MB
1