不同等级农村公路交通事故严重程度预测研究

为准确分析各因素及其组合对农村公路发生严重交通事故的影响，将道路类型、路侧防护设施、时间段、天气状况、事故位置等11个因素作为自变量，事故严重程度作为因变量，采用改进的Apriori关联算法，找出各影响因素间的内在联系，并求解得到关键因素的组合。然后，分别构建随机森林、梯度提升决策树(Gradient Boosting Decision Tree, GBDT)、极端梯度提升(eXtreme Gradient Boosting, XGBoost)预测模型对农村公路事故严重程度进行预测。结果显示：与改进前相比，改进后的Apriori算法的运行效率和挖掘准确度都有较大提升；相对于随机森林和GBDT模型，XGBoost模型在准确率、召回率、精确率和F1得分等方面表现最优；照明条件、路侧防护设施、道路类型，天气状况是影响农村公路事故严重程度的重要因素，且各影响因素间存在显著的交互效应。