5D建成环境与非建成环境因素对伤害事故风险的影响:一项可解释的机器学习分析

《PLOS One》:Effects of 5D built environment and non-built-environment factors on injury crash risk: An interpretable machine learning analysis

【字体: 大 中 小 】 时间:2026年07月08日 来源:PLOS One 2.8

编辑推荐:

  为识别交通伤害风险的关键决定因素,并阐明建成环境因素与事故背景因素的相对作用,研究人员构建了一个交通伤害风险识别框架,该框架整合了5D建成环境变量与非5D因素,使用了2017年至2019年在中国湖南省长沙市采集的交通事故数据。经过数据清洗、筛选和空间匹配后,共

  
为识别交通伤害风险的关键决定因素,并阐明建成环境因素与事故背景因素的相对作用,研究人员构建了一个交通伤害风险识别框架,该框架整合了5D建成环境变量与非5D因素,使用了2017年至2019年在中国湖南省长沙市采集的交通事故数据。经过数据清洗、筛选和空间匹配后,共获得9743个有效样本,并将事故中是否发生伤害定义为二元因变量。在此基础上,研究人员构建了三个特征集,包括5D特征集、非5D特征集以及5D+非5D组合特征集。随后开发并比较了随机森林(RF)、极端梯度提升(XGBoost)和分类提升(CatBoost)模型,并使用夏普利加性解释(SHAP)方法对性能最优的模型进行了解释。结果表明,5D+非5D组合特征集的性能始终优于单独使用5D或非5D特征集的模型,表明交通伤害风险源于建成环境与即时事故背景条件的共同影响。在三个模型中,CatBoost在组合特征集下取得了最佳性能,并产生了最高的受试者工作特征曲线下面积(ROC-AUC)值,显示出卓越的整体判别能力。SHAP结果进一步揭示,在组合CatBoost模型中,5D变量对模型贡献的占比大于非5D变量。然而,考虑到加入5D变量后准确率的提升相对较小,这一发现应被解释为补充性解释信息的证据,而非预测性能的主导来源。距离最近地铁站的距离、照明条件、路网密度、兴趣点(POI)混合度以及距离最近公交站的距离被识别为最具影响力的因素。进一步的依赖分析表明,距离最近地铁站的距离越大通常增加交通伤害风险,而较高的路网密度和较大的POI混合度通常与较低的伤害风险相关。本研究从5D建成环境特征与非5D因素交互作用的视角,揭示了交通伤害风险形成的多维路径。研究结果还证实了CatBoost–SHAP框架在交通伤害风险识别与解释中的有效性,并为城市交通安全风险评估、道路环境优化及精细化治理策略提供了实证支持。
道路交通伤害长期以来是全球公共卫生与交通安全治理的核心议题。现有研究多聚焦于事故频率或伤害严重程度的多分类分析,对事故是否导致伤害这一二元结果的关注相对不足,且较少将建成环境因素(如密度、多样性、设计、目的地可达性、公交距离,即5D框架)与非建成环境背景因素(如天气、照明、路面状态)纳入统一分析框架。同时,机器学习模型虽提升了预测性能,但其“黑箱”特性限制了机制理解,亟需可解释性方法。基于此,研究人员利用2017–2019年中国湖南省长沙市的交通事故数据,构建了一个整合5D建成环境变量与非5D变量的交通伤害风险识别框架。通过数据清洗、筛选及空间匹配,共获得9743个有效样本,并将事故是否导致人员受伤定义为二元因变量。研究采用了随机森林(Random Forest, RF)、极端梯度提升(eXtreme Gradient Boosting, XGBoost)和分类提升(Categorical Boosting, CatBoost)三种机器学习模型,比较了5D特征集、非5D特征集以及5D+非5D组合特征集的分类性能,并运用夏普利加性解释(Shapley Additive Explanations, SHAP)方法对最优模型进行了全局和局部可解释性分析。结果表明,组合特征集模型的性能优于任何单一特征集,CatBoost模型在组合特征集下取得了最高的受试者工作特征曲线下面积(ROC-AUC)值(0.941),展现出最优的整体判别能力。SHAP分析显示,5D变量在模型总贡献中占比约75%,其中距离最近地铁站的距离、照明条件、路网密度、1km内POI混合度、距离最近公交站的距离被识别为最具影响力的因素;非5D变量约占25%,但照明条件和天气条件同样位列前十。依赖分析进一步揭示,距地铁站越远伤害风险越高,路网密度和POI混合度越高则通常降低伤害风险;关键连续变量表现出显著的非线性和异质性效应。该研究从城市空间环境与交通运行条件耦合的视角,揭示了伤害风险形成的多维路径,验证了CatBoost–SHAP框架在交通伤害风险识别与解释中的有效性,为城市交通安全风险评估、道路环境优化及人本化精准治理提供了实证依据。论文发表在《PLOS One》。

**关键技术方法概述**:研究基于2017–2019年长沙市交通事故数据(样本队列来源:中国湖南省长沙市)。关键技术方法包括:(1)空间匹配与特征构建:对事故点进行地理编码,计算距最近公交站和地铁站距离、1km缓冲区内POI混合度(Shannon多样性指数)、1km×1km网格路网密度、POI计数(学校、医院、购物中心、旅游景点)等5D变量;非5D变量包括照明条件、天气、路面状况、日期属性等。(2)机器学习建模:采用RF、XGBoost和CatBoost三种算法,对5D、非5D及组合特征集分别训练,使用SMOTE处理不平衡(CatBoost除外),通过网格搜索和五折分层交叉验证调优。(3)可解释性分析:应用SHAP方法对最优CatBoost模型进行全局特征重要性排序、群组贡献分解、依赖图分析及蜂群图展示,揭示变量方向与非线性和异质性效应。

**研究结果**:

**4.1 模型比较结果**:通过对比不同特征集和模型的分类性能发现,仅使用5D特征集时各模型性能有限(CatBoost ROC-AUC=0.774);仅使用非5D特征集时性能显著提升(CatBoost ROC-AUC=0.924);而组合5D+非5D特征集进一步改善性能,其中CatBoost取得了最高ROC-AUC值(0.941),同时保持了较高的准确率、召回率和F1分数。尽管RF在准确率上略高,但CatBoost在阈值无关的判别能力上最优,故被选为后续SHAP解释的基准模型。5D变量的加入仅小幅提升准确率,但显著提高了ROC-AUC,表明5D变量提供了阈值无关的补充判别信息。

**4.2 SHAP总体贡献分析**:SHAP组级贡献分析显示,在组合CatBoost模型中,5D变量贡献了约75%的SHAP总值,非5D变量约占25%。全局特征重要性排序(按平均绝对SHAP值降序)前十变量依次为:距离最近地铁站距离、照明条件、路网密度、1km内POI混合度、距离最近公交站距离、天气状况、1km内旅游景点数量、1km内学校数量、1km内医院数量、1km内购物中心数量。其中八个为5D变量,两个为非5D变量。SHAP蜂群图显示,距地铁站越远SHAP值趋向正值(伤害风险增加),路网密度和POI混合度越高则趋向负值(伤害风险降低),表明存在显著非线性和个体异质性。

**4.3 关键连续变量的非线性效应**:依赖图分析显示,距最近地铁站距离与SHAP值呈整体上升趋势,短距离内多为负值,长距离后转正值并持续上升,表明地铁可达性降低显著增加伤害风险。POI混合度与SHAP值呈明显负相关,混合度越高SHAP值越趋向负值,即功能混合度有助于降低伤害风险。1km内学校数量与SHAP值呈非单调波动关系,在中低学校数量范围内SHAP值可正可负,效应高度依赖背景条件。

**总结讨论与结论**:讨论部分指出,研究结果揭示了5D与非5D因素的协同作用:非5D变量单独预测能力强,而5D变量提供了空间环境层面的补充解释信息,二者分别作为“即时触发因素”和“深层背景条件”共同塑造伤害风险。交通可达性(距地铁站远近)和空间结构(路网密度、POI混合度)居于核心地位,可能通过“安全数量”效应、更低车速、更完善的设施等机制发挥作用,但需谨慎解释,因数据缺少直接的行人流量和车速测量。研究结论如下:(1)组合特征集性能最优,表明伤害风险由建成环境与即时背景条件共同决定;(2)CatBoost在组合特征集下取得最佳整体性能(最高ROC-AUC);(3)SHAP分析显示5D变量模型贡献更大,但其对准确率的提升有限,应视为补充解释信息而非预测主导;(4)关键影响因素包括距最近地铁站距离、照明条件、路网密度、POI混合度、距最近公交站距离,且关键连续变量存在显著非线性和异质性效应。研究从5D建成环境与非5D因素耦合视角揭示了伤害风险的多维路径,证实了CatBoost–SHAP框架的有效性,为城市交通安全风险评估与精细化治理提供了实证支持。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号