10.13229/j.cnki.jdxbgxb20210614
基于MIMIC与机器学习的出租车驾驶员交通事故诱因分析
通过调查问卷收集2391名出租车驾驶员个体属性、身体疲劳感知、工作压力、风险驾驶行为和交通事故经历的相关信息.运用多指标多原因(MIMIC)模型进行路径分析,探究身体疲劳感知、风险驾驶行为对交通事故的诱发效应,验证性别、年龄、工作压力的原因变量对身体疲劳感知、分心驾驶行为的影响作用.选取逻辑回归、朴素贝叶斯、支持向量机、随机森林4种机器学习算法对出租车事故进行预测.结果表明:身体疲劳感知、过失性驾驶行为、激进性驾驶行为与分心驾驶行为的提高能够导致事故率的提高,性别、年龄、工作压力会对身体疲劳感知与分心驾驶行为的频次产生影响.基于机器学习的事故预测模型效果极佳,其中随机森林的预测效果最好,使用单一特征变量"风险驾驶行为"、"分心驾驶行为"、"身体疲劳感知"的预测精度尚可接受.当引入"工作压力"、"年龄"、"性别"的个人属性指标时,预测精度进一步提高.
交通运输安全工程、出租车驾驶员、道路交通事故、MIMIC模型、路径分析、中介效应、机器学习
53
U491(交通工程与公路运输技术管理)
国家社会科学基金19BGL239
2023-04-13(万方平台首次上网日期,不代表论文的发表时间)
共11页
457-467