从树冠到碰撞：识别涉树交通事故风险因素的混合预测框架
机器学习
2026-05-11 v1
摘要
涉树碰撞是驶出道路碰撞事故的关键子集，常因高能撞击导致致命或严重伤害。本研究开发了一个综合分析框架，利用跨越 2020 至 2023 年的碰撞报告采样系统（CRSS）数据库，识别并量化导致涉树碰撞严重程度的风险因素。该建模框架遵循多步骤过程。首先，基于机器学习的分类模型识别与二元碰撞伤害严重程度相关的关键因素。其次，使用 SHapley Additive exPlanations (SHAP) 工具量化和可视化顶级影响因素对碰撞严重程度的边际效应。第三，二元逻辑回归模型估计因素效应并验证 SHAP 衍生的重要性度量。最后，SHAP 交互图检验了关键促成因素的综合效应。结果显示，未使用约束装置是最具影响力的预测因子，未受约束的乘员因弹出风险遭受严重后果的可能性几乎是三倍。车龄、超速违规和驾驶员损伤显示出显著影响，反映了耐撞性降低、撞击力增加和控制能力下降。照明条件与车龄、超速与照明条件、约束装置使用与车龄以及路面与超速之间出现了关键的交互作用，展示了特定交互作用下的叠加风险效应。这些发现为基于安全系统的针对性干预措施提供了关键见解，包括加强安全带执法、在能见度降低条件下的速度管理以及车队现代化。
引用
@article{arxiv.2605.06684,
title = {From Canopy to Collision: A Hybrid Predictive Framework for Identifying Risk Factors in Tree-Involved Traffic Crashes},
author = {Abdul Azim and Ahmed Hossain and Soumyadip Maitra and Panick Kalambay},
journal= {arXiv preprint arXiv:2605.06684},
year = {2026}
}
备注
30 pages, 10 figures