基于CIDAS数据与可解释模型的行人交通事故风险识别

摘要：

行人道路交通事故是一种常见的交通事故,为了构建有效的行人交通安全防治体系,论文使用中国事故深度调查(CIDAS)数据集进行分析研究.采用多次重复的K折交叉验证评估,并确认随机森林模型在该数据集上具有统计学功效后,利用基于排列的特征重要性算法对影响行人交通事故的特征进行了量化分析.随后对重要事故特征的数据进行统计,并使用卡方检验确定随机性的影响.研究表明,事故参与人员数、行人年龄段、事故发生时间与道路最高允许车速是影响行人交通事故后果的最重要特征.整体趋势表明事故参与人员数越多,事故后果越严重;对于 13 岁及以上的人群,行人年龄越大发生事故的后果也更严重;在凌晨 0:00-4:00 发生的事故中,事故的严重程度明显高于其他时间段;在限速为 80 km/h及以上的道路上发生事故的后果更严重.

关键词：行人交通安全、CIDAS数据、多次重复的K折交叉验证、随机森林模型、基于排列的特征重要性算法、卡方检验

所属期刊栏目：48

分类号：U461.99(汽车工程)

在线出版日期：2023-09-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：29-35