基于机器学习的农村双车道公路交通事故严重性预测:以中国为例的框架集成特征工程、模型优化与数据结构

《Journal of Traffic and Transportation Engineering (English Edition)》:Traffic accident severity prediction on rural two-lane highways using machine learning: A case study in China

【字体: 大 中 小 】 时间:2026年09月27日 来源:Journal of Traffic and Transportation Engineering (English Edition) 6.8

编辑推荐:

  本研究提出了一种整合特征工程、模型优化与数据结构的框架,用于预测农村双车道公路交通事故严重性(traffic accident severity, TAS)。通过在中国云南省楚雄州的案例研究,研究人员评估了多种机器学习(machine learning, ML

  
本研究提出了一种整合特征工程、模型优化与数据结构的框架,用于预测农村双车道公路交通事故严重性(traffic accident severity, TAS)。通过在中国云南省楚雄州的案例研究,研究人员评估了多种机器学习(machine learning, ML)模型在农村事故严重性预测中的表现。结果表明,结合主成分分析(principal component analysis, PCA)与轻量级梯度提升机(Light Gradient Boosting Machine, LightGBM)的模型实现了82.55%的整体预测准确率,并在严重事故的召回率(recall)和F1分数(F1 score)方面表现优异。此外,利用SHAP(SHapley Additive exPlanations)值识别出关键严重性影响因素,其中摩托车与非机动车碰撞显著提升了事故风险。
研究背景与问题
在中国,尤其是中西部地区,山区公路以农村双车道公路为主,其交通条件复杂且独特。随着快速机动化和城市化进程,这类公路面临混合交通环境、多样车型及危险驾驶行为等挑战。统计数据显示,2007年至2013年间,76%的交通事故发生在农村公路,超过70%的重特大事故也集中于此,且农村双车道公路的死亡率与单位里程死亡人数位居全国前列。因此,识别交通事故严重性的关键影响因素并实现精准预测,成为主动管理农村双车道公路风险的重要任务。
现有研究方法包括统计模型(如有序概率模型ordered probit model、负二项模型negative binomial model、多项式逻辑模型polynomial logit model和二元逻辑模型binary logit model)和机器学习模型(如支持向量机support vector machine, SVM、K近邻分类k-nearest neighbor classification, KNN、随机森林random forest, RF等)。统计模型通常预设变量间关系并依赖特定数据分布假设,违反这些假设可能导致估计偏差。相比之下,机器学习模型无需预定义函数,可直接从数据中学习变量关系,表现出更优的预测性能。然而,现有机器学习模型在输入特征筛选、参数调优和数据结构优化方面仍存在不足,多数研究依赖经验判断或试错法,缺乏对三者综合影响的系统性评估。
为此,本研究旨在全面评估特征输入、数据结构与模型参数对预测性能的影响,构建最优的事故严重性预测模型。
研究方法
研究人员采用来自中国云南省楚雄州交通管理部门的数据集,包含2012至2017年农村双车道公路上发生的1792起事故记录,涵盖人员、车辆、道路环境、时间及损失等信息。事故严重性被重新分为非严重(财产损失)与严重(伤亡)两类,其中非严重事故占62.61%,严重事故占37.39%。
关键技术方法包括:1)使用K均值(K-means, KM)聚类对连续变量(日交通量系数、日货车交通量系数、坡度、坡长和曲线半径)进行离散化,并通过肘部法确定最佳聚类数;2)通过皮尔逊相关系数检验初始17个特征变量的相关性,排除高度相关变量;3)采用两种特征选择方法——随机森林(RF)基于重要性排序选取4个关键特征构成RF数据集,主成分分析(PCA)保留前12个主成分(累计方差贡献率超80%)构成PCA数据集;4)构建轻量级梯度提升机(LightGBM)模型,并结合网格搜索与10折交叉验证优化超参数;5)引入支持向量机(SVM)、二元逻辑回归(binary logistic regression, BL)和深度神经网络(deep neural network, DNN)作为对照模型,使用ROC曲线、AUC值、F1值和召回率等指标评估性能;6)采用SHAP值分析最优模型的特征影响机制。
研究结果
  • •
    模型参数优化:针对不同数据集(基础数据集、RF数据集、PCA数据集),LightGBM的最优参数组合存在差异。例如,PCA数据集的学习率为0.01、最大深度为5、估计器数为300。对照模型(BL、SVM、DNN)也经过类似优化。
  • •
    性能比较:
    • •
      最优训练集比例:通过对比60%、70%、80%和90%四种训练集比例,发现80%比例下模型对严重事故的预测性能最佳,同时整体预测准确率较高。同一模型在不同训练集比例下的最大准确率差异可达11.13%。
    • •
      预测性能分析:在80%训练集比例下,SVM、LightGBM和DNN均优于BL。PCA+LightGBM组合在整体事故预测中达到最高准确率82.55%,在严重事故预测中达到最高准确率78.31%、召回率79%和F1值78%。相比之下,基础数据集+DNN的严重事故预测准确率仅为62.21%,差异显著。DNN虽结构复杂,但未表现出明显优势。
  • •
    ROC曲线分析:PCA特征输入有效提高了LightGBM和DNN的AUC值,分别使两事故级别的AUC提高0.07和0.06。RF特征选择对SVM影响较小,但对LightGBM和DNN的提升效果有限。总体而言,降低数据异质性(通过PCA)比筛选重要特征更能提升模型性能。
  • •
    SHAP分析:SHAP值揭示了四个关键特征对事故严重性的非线性影响:
    • •
      涉及方:微型客车、卡车和其他交通工具降低严重性;而中型/大型车、摩托车、行人和非机动车增加严重性,其中摩托车和行人的影响尤为显著,行人对应的SHAP值集中在0.4以上,摩托车的SHAP值最高。
    • •
      肇事方:微型客车降低严重性;卡车和摩托车增加严重性,摩托车的SHAP值分散且最大值超过0.50,卡车的SHAP值集中在[0.00, 0.15]区间。
    • •
      事故类型:单车事故和翻车增加严重性,翻车的SHAP值分布高于所有其他类型,集中在[0.0, 0.3]和[0.4, 0.7]两个区间;正面碰撞、侧面碰撞和追尾多导致轻微伤害。
    • •
      季节:春季和夏季(云南易受暴雨和浓雾影响)对严重性的增强作用强于秋季和冬季,冬季因降雪少而显著降低严重性。
结论与意义
本研究表明,通过整合特征工程、模型优化与数据结构调整,可显著提升事故严重性预测性能。PCA+LightGBM组合模型在整体准确率(82.55%)、严重事故召回率和F1值上均表现最优,尤其擅长识别高风险严重事故,这对交通安全管理具有重要意义。研究发现,降低特征空间的数据异质性比简单筛选重要特征更有效,而深度学习模型并未因其复杂性而取得显著优势。
SHAP分析结果为政策制定提供了依据:应加强摩托车和非机动车驾驶员的安全教育,严格规范卡车驾驶行为(特别是超载、超速和疲劳驾驶),并强化路边安全设施建设以减少单车事故和翻车。未来研究需进一步解决事故样本不平衡问题,并提升模型在不同区域和条件下的泛化能力。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

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