[发明专利]交通事故严重性预测CSP-CNN模型及其建模方法

摘要

本发明公开了一种交通事故严重性预测CSP‑CNN模型及其建模方法。CSP‑CNN模型包括模型输入层，模型输入层输入交通事故数据转换的交通事故数据灰度图像集，并对其输入卷积层进行卷积计算，得到最后一个卷积层提取的特征向量，并将该特征向量输入至全连接层；全连接层对输入的特征向量进行flatten操作，将其转换成一维向量后进行线性处理，全连接层包含3个隐藏单元，输出3个线性处理结果至模型输出层；模型输出层设置3个交通事故严重性等级，并利用Softmax激活函数对交通事故严重性进行预测。本发明充分考虑了交通事故特征之间的时空关系、组合关系及更深层次的内在关系，并对交通事故严重性进行了预测。

主权项

1.交通事故严重性预测CSP‑CNN模型，其特征在于，由以下四个部分组成：模型输入层、卷积层、全连接层以及模型输出层；所述模型输入层，用于输入交通事故数据灰度图像集，并为卷积层提供输入；所述卷积层，用于从输入的交通事故数据集灰度图像中提取交通事故数据集的抽象特征；所述全连接层，用于将最后一个卷积层提取和学习的交通事故数据集的特征向量转换成一维向量后，基于该一维向量进行线性处理，并输出线性处理结果；所述模型输出层，用于对全连接层的输出利用Softmax激活函数预测交通事故严重性；其中，所述卷积层有4个，每个卷基层设置256个filters，卷积核大小kernel size＝3，歩长stride＝1，补0参数pad＝1；所述全连接层包含1个flatten层和128个隐藏单元；所述模型输出层，即softmax全连接层，包含3个隐藏单元。