一种基于多维审计筛选的交通事故严重程度预测方法

本发明公开了一种基于多维审计筛选的交通事故严重程度预测方法，涉及交通数据预测技术领域，包括步骤：首先通过嵌套交叉验证基于训练集筛选出最优分类器作为最终预测模型；然后针对少数类生成候选合成样本，并利用仅基于真实样本训练的异质分类模型构成集成评估模型；接着计算每个候选样本在标签置信度、边界裕度、模型一致性和局部密度合理性四个维度上的审计指标值；之后在同一类别内部进行归一化，通过帕累托非支配排序择优保留与预设目标数量一致的合成样本；最后将保留的合成样本与真实样本合并，训练最终预测模型用于事故严重程度预测。本发明在保持整体预测准确率基本稳定的前提下，提升模型对少数类事故样本的识别能力与预测稳健性。