基于CIDAS数据与集成学习的电动两轮车骑行者伤害致因分析

摘要：

电动两轮车保有量持续增长导致相关的事故伤害日益严重.为研究电动两轮车-机动车碰撞事故中电动两轮车骑行者受伤程度的影响因素,以中国事故深度调查(CIDAS)数据集中的1246起电动两轮车-机动车事故案例为基础,对比随机森林、XGBoost和LightGBM这3种集成学习模型性能,基于准确率等指标选用性能最优的LightGBM模型进行电动车骑行者受伤严重程度预测.结合SHAP可解释方法,进一步分析发现自变量与因变量之间存在明显的非线性关系:电动两轮车骑行者抛出距离对死亡的影响存在明显的阈值效应,电动两轮车骑行者被抛出距离小于5m时,不易发生死亡事故,超过5m时,抛出距离和死亡风险呈正相关;事故发生地为市区外或公路上以及与载重物车辆相撞能显著增加电动两轮车事故中骑行者的死亡风险;电动两轮车不加装脚蹬、座位高度大于70 cm、车把宽度为61～65 cm、车把设计形式为向后弯曲或牛角状等因素可降低死亡风险;与电动两轮车骑行者相关的降低死亡风险的因素包括女性、年龄在30～50岁及对事故发生地环境更为熟悉.

关键词：交通安全、CIDAS数据、集成学习、LightGBM模型、电动两轮车、受伤严重程度、影响因素

所属期刊栏目：40

分类号：X928.0;U491.3(安全管理（劳动保护管理）)

资助基金：国家重点研发计划2019YFE0108000

在线出版日期：2022-05-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：45-52,62