基于SVM事故分类的连环追尾事故影响因素分析

以美国公路2013-2015年所有的追尾事故数据为样本,研究导致连环追尾事故发生的关键影响因素。通过随机森林进行特征筛选,选取了与时间、驾驶人、车辆、道路和环境有关的14个相关因素作为支持向量机的输入变量,建立了基于SVM的2车追尾事故与连环追尾事故二分类模型。得到分类准确率:训练集为97.42%,测试集为80.32%,AUC为0.7,说明2种事故之间存在显著差异,且SVM模型能够较好的将2种事故进行区分。根据SVM-RFE算法计算影响分类效果的特征变量的相对重要度,得到4个对2种事故产生区别影响较大的因素,依次为:碰撞前首车的运动情况、道路的限速、季节和车道数。进一步对比各因素下2种事故发生的百分比发现,在首车停车或减速、道路限速超过80 km/h、夏季以及车道数大于2车道的情况下,更容易发生连环追尾事故。

高速公路多车连环追尾事故影响因素分析

从简单的两车追尾机理分析为切入点展开对高速公路汽车连环追尾现象的研究,总结引发高速公路多车连环追尾事故的影响因素,为多车连环追尾事故预警系统研究奠定基础.

高速公路连环追尾事故的原因分析和预防——以沪宁高速常州段连环追尾事故为例

随着国民经济稳步发展,我国高速公路建设愈加迅速,但高速公路交通事故依旧频发。通过研究2016年4月2日发生在沪宁高速常州段的连环追尾事故,根据我国高速公路交通安全的现状,阐述此类事故的主要特征,并通过对该事故发生的原因进行分析,提出预防高速公路连环追尾事故的数项对策,以期对提高高速公路交通安全管理水平有所帮助。