《表4 不同类别的高速突发事件的分类结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《高速公路突发事件实体识别及事件分类联合模型研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

高速突发事件的分类结果如表4所示。从表中可以看出，道路施工类和其他情况类的准确率最高，分别达到了85%和86%，而大流量类的准确率仅为59%，这在一定程度上证明了数据量的规模对模型的训练结果有较大影响，大规模训练数据有利于提升模型的性能。值得注意的是，虽然交通事故类的训练数据较大，但其性能指标的提升相对不是太高，这可能是因为造成交通事故的原因有很多，交通事故情况也较为复杂，从而增大了语义识别的难度。