不同光照条件下农村双车道公路驶离路面碰撞模式识别：基于数据挖掘方法的关联知识
机器学习
2023-03-01 v1 应用统计
机器学习
摘要
美国高速公路上每年超过一半的死亡事故由驶离路面（RwD）造成。以往研究探讨了导致 RwD 碰撞的多种风险因素，然而综合考虑光照条件影响的系统性调查尚不充分。利用路易斯安那州交通与发展部的碰撞数据库，基于日光与黑暗（有/无路灯）条件，分析了 2008—2017 年间发生在农村双车道（R2L）公路上的致命与受伤 RwD 碰撞。本研究采用安全系统方法探究多维碰撞风险因素之间有意义的复杂交互。为此，使用了无监督数据挖掘算法关联规则挖掘（ARM）。根据生成的规则，结果揭示了日光、有路灯黑暗和无路灯黑暗条件下若干有趣的碰撞模式，强调了依据光照条件调查 RwD 碰撞模式的重要性。在日光下，致命 RwD 碰撞与多云天气、分心驾驶、路面积水、未系安全带以及施工区相关。在黑暗光照条件（有/无路灯）下，大多数 RwD 碰撞与涉酒/涉毒、年轻驾驶员（15—24 岁）、驾驶员状态（如疏忽、分心、疾病/疲劳/睡着）以及撞击动物相关。结果揭示了某些驾驶行为模式与 RwD 碰撞的关联，例如在无路灯黑暗条件下酒精/药物中毒与未系安全带之间的强关联。基于不同光照条件下识别出的碰撞模式与行为特征，研究结果可协助研究人员与安全专家制定最有效的 RwD 碰撞缓解策略。
引用
@article{arxiv.2302.14754,
title = {Identifying roadway departure crash patterns on rural two-lane highways under different lighting conditions: association knowledge using data mining approach},
author = {Ahmed Hossain and Xiaoduan Sun and Shahrin Islam and Shah Alam and Md Mahmud Hossain},
journal= {arXiv preprint arXiv:2302.14754},
year = {2023}
}