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。