Abstract：
从交通警情数据中自动获取信息对于快速处理交通事故和提高交通管理水平具有重要的意义.为此,提出了 一种基于多任务迁移学习的交通警情信息自动处理方法,该方法上游采用文本预训练模型作为共享参数层,下游建立多任务并行学习方法,实现对交通警情中的关键信息、类型和语义自动处理.选取江苏省苏州市2年内共120 191条原始交通警情作为试验数据,通过自动处理方法构建了 一套标准的交通警情信息数据库.试验结果表明:所建立的关键信息抽取方法可以更精准地提取警情数据中的时间、地址和车牌信息;交通警情分类模型性能优于现有的深度学习模型,分类准确率达93％;基于局部特征增强的警情语义分析方法重点识别了警情中事故的严重程度和救援需求,识别准确率达87％.研究结论显示交通警情自动化处理方法具有良好的可移植性和实用性.
Keyword：
Reprint Author's Address：
Email：
Source ：
中国公路学报
ISSN： 1001-7372
Year： 2022
Issue： 9
Volume： 35
Page： 封2,1-12
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： -1
Chinese Cited Count：
30 Days PV： 1
Affiliated Colleges：
