基于XGBoost模型的高速公路交通事故严重程度因素分析.pdfVIP

年月第卷

2025741Jul.2025,Volume41

第期（总第期）

4240TRAFFICTRANSPORTATIONNo.4(SerialNo.240)

基于XGBoost模型的高速公路交通事故

严重程度因素分析

1234*

刘 琳，张云杉，李春杰，张小宁

（1.同济大学 城市交通研究院，上海 200092；2.秦皇岛市综合交通运行监测保障中心，秦皇岛 066002；

3.河北省高速公路数字化技术与装备重点实验室，石家庄 050035；4.同济大学 经济与管理学院，上海 200092）

  摘 要：使用英国2019年高速公路机动车交通事故数据进行建模分析，筛选人、车、路、环境、

时间5种维度下的14个影响因素作为输入，将事故严重程度作为输出，构建XGBoost模型，结合SHAP

方法分析影响事故严重程度的关键因素，并与k-近邻（KNN）、朴素贝叶斯(NBM)、支持向量聚类(SVC)

和随机森林(RF)等常用模型分类算法进行对比。结果表明：影响高速公路事故严重程度的前五大关键

特征分别是速度限制、时段、驾驶员年龄、车辆类型及光照状况；为降低高速公路事故的致死率，需

重点预防高限速路段的追尾事故，并关注青年驾驶员交通高峰期的风险行为和老年驾驶员凌晨时段的

疲劳驾驶行为。

关键词：高速公路；交通事故；事故严重程度；XGBoost模型；致因分析

中图分类号：U491 文献标志码：A 文章编号：1671-3400(2025)04-0008-07

AccidentSeverityAnalysisonHighwayTrafficBasedonXGBoost

1234*

LIULin,ZHANGYunshan,LIChunjie,ZHANGXiaoning

(1.UrbanMobilityInstitute,TongjiUniversity,Shanghai200092,China;

2.QinhuangdaoComprehensiveTrafficOperationMonitoringandSupportCenter,Qinhuangdao066002,China;

3.KeyLaboratoryofHighwayDigitalTechnologyandEquipmentofHebei,Shijiazhuang050035,China;

4.SchoolofEconomicsManagement,TongjiUniversity,Shanghai200092China)

Abstract:TheUKs2019motorvehicletrafficaccidentdataonhighwayswasutilizedformodelinganalysis.Fourteen

influencingfactorsacrossfivedimensions(human,vehicle,road,environmental,andtemporalcharacteristics)wereselectedas

inputs,withaccidentseverityastheoutput.AnXGBoostmodelwa