预测事故严重程度：基于随机森林模型的事故严重程度影响因素分析
机器学习
2023-10-10 v1 人工智能
摘要
道路交通事故具有重大的经济和社会成本，其中少数严重事故占了这些成本的很大一部分。预测事故严重程度有助于通过识别潜在的不安全道路状况并采取明智行动来减少严重事故数量，从而实现主动的道路安全方法。本研究探讨了随机森林机器学习算法在预测事故严重程度方面的有效性。该模型在一个大都市区的事故记录数据集上训练，并使用多种指标进行评估。对超参数和特征选择进行了优化以提升模型性能。结果表明，随机森林模型是预测事故严重程度的有效工具，准确率超过 80%。研究还确定了模型中最重要的六个变量，包括风速、气压、湿度、能见度、晴朗条件和云量。拟合模型的曲线下面积（AUC）为 80%，召回率为 79.2%，精确率为 97.1%，F1 分数为 87.3%。这些结果表明，所提模型在解释目标变量（即事故严重程度类别）方面具有更高的性能。总体而言，本研究证明随机森林模型是预测事故严重程度的可靠且可行的工具，可用于帮助减少美国道路交通事故造成的死亡和伤害人数。
引用
@article{arxiv.2310.05840,
title = {Predicting Accident Severity: An Analysis Of Factors Affecting Accident Severity Using Random Forest Model},
author = {Adekunle Adefabi and Somtobe Olisah and Callistus Obunadike and Oluwatosin Oyetubo and Esther Taiwo and Edward Tella},
journal= {arXiv preprint arXiv:2310.05840},
year = {2023}
}
备注
15 pages