基于RF-Apriori算法考虑填补缺失值的高速公路事故致因分析.pdfVIP

第３５卷第４期中国安全科学学报Ｖｏｌ．３５Ｎｏ．４

２０２５年４月ＣｈｉｎａＳａｆｅｔｙＳｃｉｅｎｃｅＪｏｕｒｎａｌＡｐｒ．２０２５

中文引用格式：薛乐，于露，金龙哲，等．基于ＲＦ⁃Ａｐｒｉｏｒｉ算法考虑填补缺失值的高速公路事故致因分析［Ｊ］．中国安全科学学报，

－

２０２５，３５（４）：２１１２１８．

英文引用格式：ＸＵＥＬｅ，ＹＵＬｕ，ＪＩＮＬｏｎｇｚｈｅ，ｅｔａｌ．ＣａｕｓａｌａｎａｌｙｓｉｓｏｆｈｉｇｈｗａｙａｃｃｉｄｅｎｔｓｃｏｎｓｉｄｅｒｉｎｇｆｉｌｌｉｎｇｉｎｍｉｓｓｉｎｇｖａｌｕｅｓｂａｓｅｄｏｎＲＦ⁃

－

Ａｐｒｉｏｒｉａｌｇｏｒｉｔｈｍ［Ｊ］．ＣｈｉｎａＳａｆｅｔｙＳｃｉｅｎｃｅＪｏｕｒｎａｌ，２０２５，３５（４）：２１１２１８．

基于ＲＦ⁃Ａｐｒｉｏｒｉ算法考虑填补缺失值的高速公路

事故致因分析∗

１∗∗１２１１

薛乐，于露讲师，金龙哲教授，李博教授，沈文进

（１大连交通大学交通工程学院，辽宁大连１１６０２８；

２北京科技大学大安全科学研究院，北京１０００８３）

－

中图分类号：Ｘ９２８０２文献标志码：ＡＤＯＩ：１０１６２６５／ｊ．ｃｎｋｉ．ｉｓｓｎ１００３３０３３２０２５０４０７７４

资助项目：辽宁省教育厅基本科研项目（ＬＪＫＱ。

【摘要】为改善高速公路交通安全状况，以法国２０１８—２０２２年的２６３２０条高速公路交通事故数

据作为研究对象，选择３种具有代表性的算法填补数据中的缺失值，包括随机森林（ＲＦ）算法、期望

最大化（ＥＭ）算法以及Ｋ最近邻（ＫＮＮ）算法。并基于填补前后变量方差的变化比较不同填补算法

对数据稳定性的影响，并运用Ａｐｒｉｏｒｉ关联规则算法对完成填补的事故数据进行不同严重程度等级

的高速公路事故致因分析。结果表明：经缺失值填补后，ＲＦ算法稳定性更优，相较于原始数据训练

的模型准确率提高５６６％，召回率提高９２２％，Ｆ分数提高９９１％。客车更易引发财产损失事故的

１

发生；摩托车在限速较低的路段易引发受伤事故，在限速较高的路段易引发死亡事故，安全设备的使

用情况对事故严重程度等级有较大关系。

【关键词】随机森林（ＲＦ）；Ａｐｒｉｏｒｉ算法；缺失值；高速公路；事故致因；数据填补；

关联规则

Ｃａｕｓａｌａｎａｌｙｓｉｓｏｆｈｉｇｈｗａｙａｃｃｉｄｅｎｔｓｃｏｎｓｉｄｅｒｉｎｇｆｉｌｌｉｎｇｉｎ

ｍｉｓｓｉｎｇｖａｌｕｅｓｂａｓｅｄｏｎＲＦ⁃Ａｐｒｉｏｒｉａｌｇｏｒｉｔｈｍ

１１２１１

ＸＵＥＬｅ，ＹＵＬｕ，ＪＩＮＬｏｎｇｚｈｅ，ＬＩＢｏ，ＳＨＥＮＷｅｎｊｉｎ

（１ＳｃｈｏｏｌｏｆＴｒａｎｓｐｏｒｔａｔｉｏｎＥｎ