基于可解释机器学习框架的高速公路安全风险及影响要素识别

由于交通事故是小概率随机事件,难以在全时空域上开展交通安全分析,也无法基于此制定事故发生前的交通安全风险主动防控策略。为辨识混杂因素干扰下安全风险及其诱发本质,使用激进驾驶行为数据与速度变异系数计算交通秩序指数(traffic order index,TOI),形成事故替代指标,并通过K-means聚类算法将TOI划分为3种交通安全风险等级。在此基础上,利用Catboost算法构建交通流特征、天气条件、道路条件等因素与交通安全风险等级间的关联关系,并基于基尼系数的特征重要性确定高速公路交通安全风险要素。使用部分依赖图算法解析风险要素与交通安全风险的依赖关系,获取风险要素对交通安全风险的边际效应。结果表明:(1)Catboost算法对风险等级识别的准确率、精确率、召回率依次为85.95%、88.56%、86.75%,证明交通秩序指数与外部风险要素具有较强相关性;(2)交通流量、拥堵指数对风险识别有较大影响,且与交通安全风险等级呈现非线性关系,交通流量>450 veh/h或拥堵指数>1.5时,交通安全风险均会显著增长,交通安全风险分别上升16.9%、29.5%;(3)当连续1 km道路内设有1~2个交通标志时,交通安全风险最高,路段识别为高风险的概率为38.1%;匝道出入口和隧道内部道路的交通安全风险最高;(4)侧风作用会小幅度影响高速公路交通安全风险,当风力等级由0级增至5级时,交通安全风险上升4.99%。

基于数据驱动的电梯安全风险要素识别研究

电梯安全风险要素是安全风险预警的基础与保障。为了精准识别电梯全生命周期安全风险要素,赋能电梯安全风险预警模型构建及应用,本文基于改进流程的文本挖掘技术识别安全风险要素。研究过程中,一是设计了包含安全风险文本语料收集、文本中文分词、文本关键词提取、关键词相关词语提取与语义分析、安全风险要素成分凝练及聚合六大步骤的安全风险文本挖掘流程方法;二是基于安全风险文本挖掘流程方法识别了7个维度的69项电梯安全风险要素,全面识别了文本数据中隐含的风险致因信息。电梯安全风险要素识别结果为数据驱动的电梯安全风险预警与安全风险联防联控提供了风险要素与数据基础。

高速公路桥梁路段交通安全风险评价及影响要素挖掘

为了深入探究影响高速公路桥梁路段风险的显著因素,论文应用交通秩序指数综合评估交通安全风险,并以此为因变量,研究桥梁路段交通流、道路属性及外部环境等要素和交通安全风险间的关系。在构建安全风险识别模型的基础上,通过个体条件期望图挖掘影响高速公路桥梁路段的安全风险关联因素。结果表明:相较于梯度提升决策树模型,随机森林模型对于交通安全风险识别的准确性更高;此外,在影响因素中,拥堵是影响桥梁路段安全风险的重要交通流因素;在能见度较低及不良天气情况下,交通风险较高;并且,跨河桥上、下游过渡段是高速公路桥梁路段中交通安全风险最高的区域。研究结果为高速公路桥梁路段的交通安全风险识别及影响要素挖掘提供了新的思路和方法,有助于交通管理部门精准实施靶向治理。