科创中国

水上交通事故严重程度影响因素的识别对从根本上减少严重事故件数、降低事故危害和损失具有重要意义。在历史事故报告的基础上，构建并量化事故影响因素集，提出以极限学习机(ELM)为一般事故、严重事故的二分类器，以遗传算法(GA)为因素搜索算法的GA-ELM因素识别模型。对发生在我国水域的737件水上交通事故进行实证研究，并与以支持向量机(SVM)为分类器的GA-SVM模型进行对比分析。结果表明，GA-ELM模型识别出时段、人为致因、环境致因等9个事故严重程度影响因素，较GA-SVM模型结果更为精简，且分类精度较不做因素识别时分别提高8．2%、7．1%。此外，GA-ELM大大缩短运算时间。由此可见，GA-ELM可为水上交通事故严重程度影响因素识别提供一个较好的方法。