探索机器学习技术以识别弯道相关碰撞中致伤的重要因素
机器学习
2023-01-06 v1
摘要
不同因素对交通碰撞及碰撞相关伤害有影响。这些因素包括路段特征、碰撞级特征、乘员级特征、环境特征和车辆级特征。关于这些因素对碰撞伤害影响的已有研究若干。然而，考察碰撞前事件对伤害影响的研究有限，尤其是针对弯道相关碰撞。以往弯道相关碰撞的多数研究聚焦于几何特征或街道设计因素的影响。本研究试图通过将被选变量设为重要的碰撞前事件相关因素、将有无伤害的机动车数量设为预测变量，来消除上述不足。本研究使用了来自美国国家公路交通安全管理局(NHTSA)的CRSS数据，其包含美国不同州的交通碰撞相关数据。使用随机森林、C5.0、CHAID、贝叶斯网络、神经网络、C&R树、Quest等不同机器学习算法探究关系。随机森林与SHAP值用于识别最有效变量。在其他算法中准确率最高的C5.0算法被用于建立最终模型。分析结果显示，损坏程度、关键碰撞前事件、撞击前位置、道路描述、路面条件、碰撞月份、首次有害事件、机动车数量、尝试避让操作以及道路坡度影响弯道相关碰撞中有无伤害的机动车数量。
引用
@article{arxiv.2301.01771,
title = {Exploring Machine Learning Techniques to Identify Important Factors Leading to Injury in Curve Related Crashes},
author = {Mehdi Moeinaddini and Mozhgan Pourmoradnasseri and Amnir Hadachi and Mario Cools},
journal= {arXiv preprint arXiv:2301.01771},
year = {2023}
}