考虑样本不平衡性的严重交通事故致因耦合作用分析

王健宇; 董悦; 陈献天; 赵鹏飞; 周备; 那博

交通信息与安全 ›› 2025, Vol. 43 ›› Issue (5) : 70 -78.

王健宇, 董悦, 陈献天, 赵鹏飞, 周备, 那博

作者信息 +

Author information +

文章历史 +

摘要

道路交通事故频发，但基于传统事故严重程度分类的数据比例往往不平衡，为探究样本比例不平衡时多维因素的耦合作用对严重交通事故的影响，研究了1种融合自适应合成采样（adaptive synthetic sampling,ADASYN）算法、Stacking集成学习模型与Apriori算法的分析框架，利用美国交通部2017—2021年道路交通死亡分析报告的数据，从“人、车、路、环境”这4个维度选取15个潜在特征变量，分析多维因素耦合对严重事故的影响。本文利用ADASYN算法进行样本不平衡性处理，选取经典的4类机器学习模型：随机森林（random forest,RF）、分类提升（categorical boosting,CatBoost）、极端梯度提升（extreme gradient boosting,XGBoost），以及梯度提升决策树（gradient boosting decision tree,GBDT）作为基模型，并通过比较5种不同的元模型，即逻辑回归模型、高斯朴素贝叶斯模型、支持向量机、轻量级梯度提升机、多层感知机，筛选出与所选基学习器结合后泛化能力最优的Stacking集成学习模型，随后基于最优模型获取特征重要性排序，筛选出关键因素，并利用Apriori算法对特征进行多维耦合分析，探究五维因素耦合对严重交通事故率的影响。研究表明：(1)以逻辑回归作为元模型结合RF、CatBoost、XGBoost，以及GBDT作为基学习器构成的集成学习模型效果最优，召回率达0.80；(2)道路类型、季节、碰撞类型、碰撞时的灯光情况、驾驶人饮酒这5个因素重要性占全部因素总重要性的53.2%，显著高于其他变量，其中严重事故率最高的为碰撞类型特征中的“与树木等杆状物碰撞”，达86.2%。且有光时的严重事故率比无光时的严重事故率提高了13.5%；(3)多维因素耦合分析发现，自治市道路与驾驶人未饮酒、碰撞时处于无光-有光环境，季节为秋季等多维因素耦合时耦合时发生严重事故的概率最高，置信度达89.0%，打破了未饮酒被认为是低风险因素的常规认知。