考虑建成环境的交通事故严重程度致因交互效应研究

为探究考虑建成环境影响下各类因素对交通事故的作用机理,本文提出一种融合ADASYN(Adaptive Synthetic Sampling)平衡算法与CatBoost模型的方法,对沈阳市2015—2020年的道路交通事故进行研究,并解析事故致因的交互效应。首先,通过地理信息匹配的方法补充事故地点周围14项建成环境因子,构建多源数据集。其次,通过比较4种经典的机器学习模型,即CatBoost,Random Forest,XGBoost,LightGBM,并筛选出泛化能力最强的模型。随后,利用SHAP(Shapley Additive Explanation)归因方法对最优模型进行解释以揭示单个风险因素效应以及影响重要度排序。最后,基于单因素分析,探究建成环境与事故特征之间的交互效应。研究表明:相同的特征在单因素以及双因素交互分析中对事故影响机制存在差异。在单因素分析中,季节、交通方式这2项因素对致命事故具有显著的正向影响;而主干路密度、快速路密度、工业用地比例、现场形态、道路物理隔离这5项因素对致命事故有着显著的负向影响。在双因素交互分析中,高主路密度与秋冬季节交互以及低工业用地比例与春季交互等对致命事故具有正向影响;而高工业用地比例与行人交互则产生了负向影响。本文成果可为相关人员提供准确的影响交通事故严重程度的相关因素,为优化和建设城市交通系统提供一定的理论支撑。

基于XGBoost模型的不同地区危化品道路运输事故分析

为降低危化品道路运输事故对人员、财产和环境造成的破坏,保障危化品道路运输的安全性,提出具体有针对性的事故预防措施,探索多种数据挖掘方法去识别不同地区危化品道路运输事故发生的原因。首先,考虑到危化品道路运输事故的稀缺性,将逻辑回归(LR)、支持向量机(SVM)、多层感知机(MLP)和XGBoost模型基于相同的训练和测试数据进行性能评估,确定最佳的危化品道路运输事故数据分析模型;其次,针对我国不同地区之间地理环境、自然资源、人口、经济、危化品需求等方面存在的差异性,利用最佳的分析模型分别探索各事故特征在不同地区对事故严重程度的影响。研究结果表明,XGBoost模型在危化品道路运输事故数据分析中表现最佳,在对事故严重程度有显著影响的特征方面,各地区之间存在一定的差异。同一特征对事故严重程度的影响在不同地区之间也有差异。