基于机器学习的翻车事故严重程度分析方法.pdfVIP

第24卷第11期交摇通摇工摇程Vol.24No.11

2024年11月摇摇Nov.2024

DOI:10.13986/ki.jote.2024.11.009

基于机器学习的翻车事故严重程度分析方法

11112,34

孙翠羽,董摇倩,王益文,马飞虎,谢天长,李摇明

(1.华东交通大学,南昌摇330013;2.江西通慧科技集团股份有限公司,南昌摇330101;

3.广东工业大学,广州摇510006;4.江西省交通科学研究院有限公司,南昌摇330200)

摘摇要:为从多方面掌握影响翻车事故严重程度的因素,基于机器学习方法构建事故严重程度模型,分析其与道

路、环境、驾驶员及车辆等因素间关系。收集选取CRSS数据库中2019—2021年翻车事故数据,建立了构建合成少

数类过采样技术(SMOTE)和极限梯度提升算法(XGBoost)的组合模型来分析翻车事故严重程度。结果表明,

SMOTE鄄XGBoost组合模型效果更好,准确率、召回率、精确率、F1鄄score以及AUC值均高于单独的XGBoost、支持向量

机(SupportVectorMachine,SVM)、决策树算法(DecisionTree,DT)、随机森林(RandomForest,RF)模型。该模型参数

估计显示,从人车路环境4个方面考虑,对翻车事故严重程度影响较大的因素主要集中在车辆和人相关的因素上。

SMOTE鄄XGBoost组合模型能提高翻车事故严重程度分析的准确性,可为交道路管理者的研究提供帮助具有现实意义。

关键词:翻车事故;严重程度;机器学习;SMOTE;XGBoost

中图分类号:U491文献标志码:A文章编号:2096鄄3432(2024)11鄄068鄄10

MachineLearning鄄BasedAnalysisMethodfortheSeverityof

VehicleOverturningAccidents

11112,34

SUNCuiyu,DONGQian,WANGYiwen,MAFeihu,XIETianchang,LIMing

(1.EastChinaJiaoTongUniversity,Nanchang330013,China;

2.JiangxiTohuiScienceandTechnologyCo.,Ltd.,Nanchang330101,China;

3.GUANGDONGUniversityTechnology,Guangdong510006,China;

4.JiangxiTransportationResearchInstituteCo.,Nanchang330200,China)

Abstract:Inordertograspthefactorsaffectingtheseverityofrolloveraccidentsfromvariousaspects,an

accidentseveritymodelisconstructedbasedonthemachinelearningmethodtoanalyzetherelationship

betweenitandfactorssuchasroad,environment,driverandvehicle.Bycollectingandselecting2019—

2021rolloveraccidentdatafromCRSSdatabase,a