不同等级农村公路交通事故严重程度预测研究 |
| |
引用本文: | 张开冉,阚丁萍,陈多多.不同等级农村公路交通事故严重程度预测研究[J].安全与环境学报,2024(4):1515-1522. |
| |
作者姓名: | 张开冉 阚丁萍 陈多多 |
| |
作者单位: | 1. 西南交通大学交通运输与物流学院;2. 西南交通大学综合交通运输智能化国家地方联合工程实验室;3. 西南交通大学综合交通大数据应用技术国家工程实验室 |
| |
摘 要: | 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。
|
关 键 词: | 安全工程 农村公路 改进Apriori 集成学习 事故严重程度预测 |
|
|