一种基于AdaBoost-SO的VANETs车辆事故风险预测模型

摘要

本发明提出一种基于AdaBoost‑SO(trichotomy Adaboost with SMOTE and One‑Hot encoding，使用SMOTE算法和一位有效编码的三分自适应提升算法)的VANETs(Vehicular Ad Hoc Networks,车载点对点网络)车辆事故风险预测模型。本发明能够为ITS(Intelligent Transportation System,智能交通系统)和驾驶安全辅助提供理论基础。本发明中，首先填充研究数据集，用SMOTE(Synthetic Minority Oversampling Technique，合成少数类过采样)算法来平衡数据集中的样本，并将每个样本特征用One‑Hot编码，然后用trichotomy Adaboost‑SO算法训练研究数据集获得系统模型，最后通过VANETs导入时交通数据，获得车辆事故概率。