交通事故智能定责深度学习集成方法研究
来源：交通运输系统工程与信息杂志2025年第3期北京时间：
作者：黄钢, 高岩, 赵冬, 寿任祯
单位：公安部交通管理科学研究所，江苏无锡214151
摘要：为研究道路交通事故当事人责任智能认定方法，将双方当事人责任结果划分为全责-无责、主责-次责、同等-同等、次责-主责、无责-全责。在基于特征分析和特征工程筛选训练样本特征的基础上，深度离散并独热编码事故特征，结合线性模型和深度神经网络，训练交通事故智能定责深度学习集成模型；对模型的网络结构和超参数进行优化，建立复杂网络结构下的交通事故责任智能认定模型；基于历史交通事故交叉验证模型的可行性。结果表明：深度学习集成方法对交通事故责任认定的准确率有明显提升，对于全责无责和无责-全责类事故，模型准确率达到0.91，其他认定结果的准确率达到0.78；深度学习集成方法对比传统机器学习准确率提高30%以上，对比单一全连接神经网络准确率提高8%以上。深度学习集成方法对交通事故智能定责的边界确定具有明显的改善作用。
关键词：智能交通,智能定责,深度学习,交通事故,集成算法,动态混合模型
基金资助：国家重点研发计划(2023YFC3009700)。
