基于机器学习的危险货物道路运输事故影响因素分析.pdfVIP

基于机器学习的危险货物道路运输事故影响因素分析——沈小燕魏珊珊冯煜清113

基于机器学习的危险货物道路运输事故

影响因素分析*

▲

沈小燕魏珊珊冯煜清

（长安大学汽车学院西安710064）

摘要：为研究危险货物道路运输事故严重程度的影响因素，以2015—2019年发生在我国的1267起危险货

物道路运输事故案例为基础，比较决策树C5.0、支持向量机和多层感知器对危险货物道路运输事故数据的分

析性能，并选用表现最佳的模型探索影响3种不同严重程度的事故发生的主要因素。结果表明，决策树C5.0

整体表现最佳。影响仅财产损失事故发生的主要因素依次为直接事故形态（刮擦、泄漏、火灾和其他），间接事

故形态（泄漏）和路段类型（站区）；影响受伤事故的发生的主要因素依次为直接事故形态（侧翻、撞固定物、2车

追尾、2车相撞、冲出路面和坠车），间接事故形态（泄漏和侧翻），路段类型（普通路段、桥梁、隧道和出入口），道

路类型（省道和国道）和时间（07：00—12：00）；影响死亡事故发生的主要因素依次为直接事故形态（多车相撞、

多车追尾和爆炸），危化品类别（氧化性物质、气体和易燃固体），间接事故形态（火灾和爆炸）和道路线形（长下

坡和急弯）。

关键词：危险货物；道路运输事故；严重程度；影响因素；机器学习

中图分类号：X951文献标识码：Adoi：10.3963/j.jssn.1674-4861.2020.05.013

MachineLearning-BasedAnalysisofFactorsInfluencingDangerous

GoodsRoadTransportAccidents

SHENXiaoyan▲WEIShanshanFENGYuqing

（SchoolofAutomobile，ChanganUniversity，Xian710064，China）

Abstract：Inordertostudythefactorsinfluencingtheseverityofdangerousgoodsroadtransportaccidents，theana⁃

lyticalperformanceofdecisiontreeC5.0，supportvectormachineandmultilayerperceptronarecomparedwiththeda⁃

taoftheaccidentsofdangerousgoodsroadtransportbasedon1267casesofdangerousgoodsroadtransportaccidents

thatoccurredinChinafrom2015to2019.Thebest-performingmodelisselectedtoanalyzemainfactorsinfluencing

theoccurrenceofaccidentsofthreedifferentseveritylevels.TheresultsshowthatDecisionTreeC5.0hasthebest

overallperformance.Factorsinfluencingtheoccurrenceofaccidentsofpropertydamageonlyaredirectaccidentform

（scrapes，leaks，fire，etc.），indirectaccidentform