基于XC-RL-MLP模型的交通事故伤害程度预测.pdfVIP

交通运输《西藏科技》2025年6月第47卷第6期

基于XC-RL-MLP模型的交通事故伤害程度预测

萧圣杰马社强

中国人民公安大学交通管理学院，北京100038

摘要：随着机动车保有量的迅速增加，人们对交通安全问题日益重视。为深入探究深圳市交通事故伤害程

度的影响因素，文章以事故伤害程度为研究对象，构建了一种XC-RL-MLP模型对其进行预测建模分析。为验

证该模型的有效性，文章以深圳市2016—2020年的交通事故数据为例，首先通过预处理，获得包含1975条事故

记录的数据集，涵盖人、车辆等7个关键要素，并采用过采样技术对数据集进行平衡处理，以确保模型训练的可

靠性；其次，通过交叉验证等方法对XC-RL-MLP模型进行系统训练和效果评估，确保模型具有良好的泛化能

力和稳定性；最后，运用SHAP值对模型特征进行可视化分析，揭示各特征对事故伤害程度预测的重要性和影

响机制。结果表明：该模型准确率为90.38%，高于其他Stacking模型，比最优单一模型XGBoost提高了0.51%，F1

分数均高于其他单一模型；对事故伤害程度影响最大的5个特征分别是安全保护装置使用情况、机动车状态、

交通方式、现场形态、车辆转向灯状态。该研究可为交通管理者提供一定的借鉴。

关键词：交通安全伤害程度预测XC-RL-MLP模型特征分析Stacking

PredictionofTrafficAccidentInjuryDegreeBasedontheXC-RL-MLPmodel

XiaoShengjie,MaSheqiang

SchoolofTrafficManagement,PeoplesPublicSecurityUniversityofChina,Beijing100038，China

AbstractWiththerapidincreaseinthenumberofmotorvehicles,peoplearepayingincreasingattentiontotraffic

safetyissues.InordertofurtherexplorethefactorsaffectingthetrafficaccidentinjurydegreeinShenzhen,thispa-

pertakestrafficaccidentinjurydegreeasthestudyobjectandconstructsanXC-RL-MLPmodelforpredictivemod-

elingandanalysis.Toverifythevalidityofthemodel,thetrafficaccidentdatafromShenzhenbetween2016and

2020weretakenastheexample.Firstly,adatasetcontaining1975accidentrecordswasobtainedthroughprepro-

cessing,covering7keyelementssuchaspedestriansandvehicles,andoversamplingtechnologywasusedtobal-

ancethedatasettoensurethereliabilityofmodeltraining.Secondly,theXC-RL-MLPmodelwassystematically

trainedandevaluatedbymethodssuchascross-validationtoensureitsgoodgeneralizationabilityandstability.Fi-

nally,theSHAPvaluewasusedforvis