基于深度神经网络的国道风险评估技术研究

为解决在工程实际应用中,iRAP道路风险评估模型难以适应不同道路环境条件下风险评估的问题,研究收集了我国东部沿海三省部分国道道路的基础信息数据,并通过视频图像处理、人工信息编码以及专家校核的方式得到了风险评估数据集。在iRAP原有模型的体系框架的基础上,利用深度神经网络对模型权重系数进行调整更新,从而构建国道典型路段上的道路交通安全风险评估模型NNRAP。研究结果表明,NNRAP模型在多分类道路风险分级上展现出了良好的性能,在测试集上的分类准确率达到了90.35%;在二分类道路风险分级上,NNRAP模型对于道路高风险路段的分类精度达到了94.08%,明显优于iRAP模型的分类精度。