优化随机森林模型的交叉口单车事故致因分析

摘要

为深入探究交叉口单车事故影响因素、提升驾驶安全，构建了贝叶斯算法优化随机森林模型的事故因素分析框架。首先，选取含交叉口类型、时间段、道路表面情况等多维度数据的美国交通事故数据集；然后，预处理数据，用贝叶斯优化框架精细调校随机森林模型超参数后开展数据分析，并且对模型进行对比验证分析；最后，使用SHAP模型直观可视化解释关键特征因素。研究结果表明：该分析框架预测性能显著优于传统算法，预测准确度、精确度、召回率及F1值分别达93.91%、93.81%、93.91%及93.86%;模型在少数类事故预测上泛化性能更优；SHAP模型显示，时间段、限制速度及交叉类型为主要致因，其中限制速度30 km/h时轻微事故可能性最高，非信号交叉口最易发生严重单车事故。

关键词

交通工程 / 随机森林模型 / 贝叶斯算法 / 交叉口单车事故 / 事故致因分析