基于逻辑模型与随机森林的风险因素对施工区碰撞事故的影响
计算机与社会
2021-04-15 v1
摘要
施工区安全受诸多风险因素影响。因此，通过碰撞事故数据分析识别风险因素，对于降低风险水平和预防施工区严重碰撞事故至关重要。本研究聚焦于2016年发生在美国密歇根州高速公路I-94沿线施工区的严重碰撞事故。研究从表征环境、驾驶员、碰撞及道路相关变量等广泛碰撞变量中识别风险因素。采用频率分析、逻辑回归统计以及机器学习随机森林(Random Forest, RF)算法，考察了这些风险因素对碰撞严重程度的影响。预期本研究结果将有助于交通工程师和交通运输部门制定施工区对策，以提升安全性并降低碰撞风险。研究发现，在设计和制定施工区交通控制方案时，某些因素可能被忽视。结果表明，例如需要适当的交通控制机制，如在接近施工区前对车辆速度进行协调，需要在施工区特定位置提供照明，以及需要针对高风险驾驶员群体建立频繁的公众教育项目、传单和广告。此外，研究发现随机森林算法在碰撞数据分析中高效且具前景，尤其当数据样本量较小时，推荐使用。
引用
@article{arxiv.2104.06561,
title = {Impact of risk factors on work zone crashes using logistic models and Random Forest},
author = {Huthaifa I Ashqar and Qadri H Shaheen and Suleiman A Ashur and Hesham A Rakha},
journal= {arXiv preprint arXiv:2104.06561},
year = {2021}
}