高原山区双车道公路事故严重度多分类预测与特征交互效应解析

孔令智; 熊昌安; 汤金涛; 杨文臣

交通信息与安全 ›› 2025, Vol. 43 ›› Issue (4) : 67 -74.

孔令智, 熊昌安, 汤金涛, 杨文臣

作者信息 +

Author information +

文章历史 +

摘要

针对高原山区双车道公路交通事故多类别预测精度不足及多因素交互机制不明确的问题，通过引入特征参数选择、极限梯度提升算法（extreme gradient boosting,XGBoost）、基于遗传算法（genetic algorithm,GA）超参数优化和部分依赖图（partial dependence plots,PDP），提出1种交通事故严重度三分类的可解释机器学习预测框架。以云南山区双车道公路2012—2017年的事故数据为基础，融合道路线形、交通环境、涉事车辆等14维特征，构建GA-XGBoost模型，与随机森林（random forest,RF）、支持向量机（support vector machine,SVM）及基准XGBoost对比，结合PDP探究不同风险致因对交通事故严重程度的影响机制。结果表明：(1)GA-XGBoost综合预测性能最优，准确率、精确率、召回率分别达81.57%、73.12%、82.68%，并且经过GA算法优化后对受伤事故和死亡事故的预测能力相比优化前分别提高14.58%和50.00%，正确分类死亡事故的数量分别是RF和SVM模型的3倍，有效提高了预测严重事故的能力；(2)车辆特性和交通环境特性更易对事故发生造成影响，其中肇事车型、涉事车型、事故形态和日交通量是影响最高的4个风险因素；(3)无论何种肇事方式，当涉事方为行人和摩托车时会显著提升事故严重程度，其中行人涉事对事故严重度的抬升作用是其余方式的1.25～5倍，同时，随着交通量的增加，侧面碰撞对事故伤害程度的提升效应会逐渐上升。