用于环形交叉口碰撞严重性洞察的降维XAI框架
人工智能
2025-09-17 v1
摘要
环形交叉口减少了严重碰撞，但风险模式因条件而异。本研究使用两步可解释工作流分析了 2017-2021 年俄亥俄州的环形交叉口碰撞数据。聚类对应分析（CCA）识别共现因素并得出四种碰撞模式。随后使用 SHAP 解释基于树的严重性模型，以量化模式内和跨模式的受伤驱动因素。结果表明，当黑暗、湿滑路面和较高的限速与固定物体或角度碰撞事件同时发生时，严重程度更高；而在晴朗、低速环境下严重程度较低。特定模式的解释突出了入口处（未让行、间隙接受）、多车道环行内（操作不当）以及减速期间（追尾）的机制。该工作流将模式发现与案例级解释联系起来，支持现场筛查、对策选择和可审计报告。其对信息系统的贡献在于，为公共安全分析中可用的 XAI 提供了一个实用模板。
引用
@article{arxiv.2509.12524,
title = {A Dimensionality-Reduced XAI Framework for Roundabout Crash Severity Insights},
author = {Rohit Chakraborty and Subasish Das},
journal= {arXiv preprint arXiv:2509.12524},
year = {2025}
}
备注
This is the author's preprint version of a paper accepted for presentation at HICSS 59 (Hawaii International Conference on System Sciences), 2026, Hawaii, USA. The final published version will appear in the official conference proceedings. Conference site: https://hicss.hawaii.edu/