多模态文本信息的高速公路交通事件持续时间预测

为研究文本信息质量对高速公路应急处置的影响,针对多阶段自然语言描述的交通事件文本信息,提出基于预训练模型和深度学习的多模态数据持续时间预测架构,通过对比分析Word2vec、BERT、ALBERT和RoBERTa预训练模型在BiLSTM-CNN基准预测模型上的性能指标,检验预训练后词向量在原始文本、首次文本和拼接文本3种模态的准确性和稳健性。研究结果表明:Word2vec-BiLSTM-CNN模型预测性能较优,训练时间短且具有较好的鲁棒性,能够适用于不同模态的文本数据;相较于原始文本和拼接文本,首次文本信息预测效果良好,是交通事件持续时间预测的关键;拼接文本虽然增加了训练时间,但预测性能并未得到提高。研究结果可有效论证文本信息质量对高速公路应急处置的重要作用,为后续多阶段文本信息数据处理提供支撑。

基于文本信息的高速公路事故持续时间 中介效应研究

为探讨交通事故持续时间影响因素的内部耦合关系,揭示文本信息在链式传导过程中的作用机制,利用自然语言处理技术和随机森林算法,提出一种基于词频-逆文本频率(TF-IDF)模型的关键词重要度分析方法。同时,建立高速公路交通事故持续时间的多重中介效应模型,采用乘积系数的Bootstrap抽样法进行中介作用检验,分别检验文本特征在并行中介路径和两级链式中介路径中的显著性,并计算中介效应强度。以陕西省高速公路3046起交通事故记录进行实例分析,结果表明:对持续时间的影响路径中,事故类型与月份存在部分链式中介关系,中介效应占比为11.868%,事故类型与天气、位置、事故范围之间存在完全链式中介关系,中介效应占比均为100%。文本信息字符数、上报次数在特定路径中是显著的中介变量,上报次数在天气对持续时间的中介效应类型为完全中介,字符数在事故范围对持续时间的中介效应类型为完全中介,时段对持续时间的影响有7.075%是通过字符数发挥作用。特定关键词集的两级链式中介作用路径存在。

处置阶段信息对高速公路交通事故持续时间的调节效应分析

应急处置阶段对交通事故持续时间演化至关重要,在信息视角下研究处置阶段信息对高速公路交通事故持续时间的影响具有重要意义。为了研究处置阶段信息在持续时间演化过程中的作用机制,从词频、上报次数、字符数及波动情况方面,采用内容分析法定义了处置阶段信息的评价指标,基于显著性调节变量建立高速公路交通事故持续时间的调节效应模型。通过稳健性检验,验证了模型的有效性。研究表明:变量Z_(1)、Z_(2)、Z(4)、Z_(5)、Z_(6)、Z_(7)、Z_(8)、Z_(9)、Z_(10)分别对事故范围与持续时间的关系具有调节作用,调节变量在不同水平时影响幅度具有显著性差异。其中,Z_(8)、Z_(6)、Z_(7)的调节效应最强,依次为0.049、0.034、0.032。充分发挥处置阶段信息的调节作用,将有助于信息采集、发布和报送的有效性,进而辨识应急处置关键因素以促进处置效果。

基于文本挖掘的高速公路不合格绿通车致因机理建模

为挖掘绿通车查验的业务知识,以高速公路绿通车查验记录的文本信息为数据来源,提出一种不合格绿通车致因机理建模方法。首先,运用文本挖掘提取关键词作为文本特征项,绘制词云图并建立共现矩阵;其次,采用社会网络分析方法将文本特征项划分为关键特征、重要特征、次要特征和一般特征四类;最后,通过CONCOR凝聚子群分析和层次聚类,揭示文本特征项之间的关联规则。通过陕西省实例来验证模型的有效性,结果表明:分割度取值为3时凝聚子群效果最优,327个特征项被分为8个子群和137个凝聚簇。研究结果能够有效揭示文本特征项之间的耦合关系和层级结构,揭示不合格绿通车形成原因和规律,促进绿通车查验文本信息数据的资源化。

面向多模态数据的高速公路交通事故信息识别与评价

为实现从自然语言描述的交通事故文本中提取应急处置信息,提出了一种基于预训练模型和BiLSTM-CRF的交通事故命名实体识别方法。首先,基于陕西省高速公路2021年6月至2022年8月的多模态交通事故数据,分别比较了3种深度学习模型的识别效果和训练时长。其次,利用官方微博交通事故语料作为袋外测试集,检验实体识别模型的鲁棒性。然后,从一致性和丰富性两个维度,构建了文本信息和结构化数据的多模态交通事故信息内容评价指标。最后,以测试集为例进行交通事故信息识别,分析了应急处置实体数量与事故持续时间的相关性,计算并探讨了信息内容评价指标结果。结果表明,BERT-BiLSTM-CRF在测试集和袋外测试集的加权F1值分别为97.0294%和69.1555%,为模型精度、训练效率和鲁棒性3个方面综合表现最优。处置机构、处置设备、未处置、处置中、处置效果的实体数量与持续时间之间的相关系数依次为0.309,0.151,0.137,0.220和0.178,呈正相关性。天气、路产损失、交通分流、事故类型和伤亡情况的信息内容一致性依次为7.06%,45.79%,1.59%,67.65%和47.59%,应急处置占为36%,变异性为1.305,说明文本信息蕴含丰富的应急处置信息,然而文本信息和结构化数据对同一交通事故的信息内容一致性尚待提高。研究结果可为提高交通事故信息采集质量和有效性提供参考。