营运车辆的事故严重程度预测及其风险因素耦合关系研究

摘要

导致营运车辆发生事故的风险因素来自人、车、环境等多个方面，传统的交通事故预测模型无法直观地刻画多方面风险因素之间的耦合关系，因此，研究基于随机森林（RF）的耦合度模型，量化多风险因素之间的耦合作用对事故严重程度的影响。首先，对2021—2023年间美国弗吉尼亚州发生的5 186起营运车辆事故数据进行预处理，从人、车、环境3个方面选取18类事故风险一级指标特征，使用RF模型进行特征筛选，建立最优的特征集；然后将最优特征集作为自变量，事故严重程度作为因变量，构建了预测模型，并对营运车辆事故严重程度进行预测，研究风险因素与事故严重程度的相关性；对相关特征根据重要性进行排序，按类挑选出影响程度最高的15个风险因素二级指标，并进行耦合关系研究，量化不同风险因素之间的耦合作用对事故严重程度的影响。研究结果表明，RF预测模型在事故严重程度预测性能上优于GBDT、SVM模型；其次，通过耦合关系分析，当存在“严重超速”“疲劳驾驶”“未保持安全距离”“上下坡转弯”“道路结冰”和“未系安全带”这6类因素时，更易加重事故的严重程度，其中“严重超速”最易与其他要素形成强耦合，从而导致严重的伤害事故发生。

关键词

耦合度模型 / 营运车辆 / 随机森林 / 风险因素 / 事故严重程度