从树冠到碰撞：识别树木相关交通事故风险因素的混合预测框架

arXiv cs.LG 论文
machine-learning transportation-safety predictive-modeling shap catboost

摘要

本研究提出了一种结合 CatBoost 和 SHAP 的混合预测框架，以识别树木相关交通事故的风险因素，并强调未使用约束装置（如安全带）是导致严重伤害的最关键预测因子。

arXiv:2605.06684v1 公告类型：新论文 摘要：涉及树木的碰撞事故是冲出道路（ROR）碰撞中一个关键的子集，由于高能冲击，往往导致致命或严重伤害。本研究开发了一个全面的分析框架，利用涵盖 2020 年至 2023 年的事故报告抽样系统（CRSS）数据库，来识别和量化导致树木相关碰撞事故严重程度加剧的风险因素。该建模框架遵循多步骤流程。首先，基于机器学习的分类模型（CatBoost）识别与二元事故伤害严重程度（KA：致命或致残伤害与 BC：非致残或可能受伤）相关的关键因素。其次，使用 SHapley Additive exPlanations（SHAP）工具来量化并可视化最具影响力的因素对事故严重程度的边际效应。第三，二元逻辑回归模型用于估计因素效应并验证基于 SHAP 的重要性度量。最后，SHAP 交互图用于检查关键贡献因素的共同效应。研究结果显示，未使用约束装置是最具影响力的预测因子，未受约束的乘客由于被抛出车辆的风险，遭受严重后果的可能性几乎是受约束乘客的三倍。车辆年限、超速违规和驾驶员能力受损显示出显著影响，这反映了车辆安全性能降低、冲击力增加以及控制能力下降。在照明条件与车辆年限、超速与照明条件、约束装置使用与车辆年限、以及路面状况与超速之间发现了关键的交互作用，证明了特定交互下的叠加风险效应。这些发现为针对性的安全系统干预措施提供了关键见解，包括加强安全带执法、低能见度条件下的速度管理以及车辆车队的现代化更新。
查看原文
查看缓存全文

缓存时间: 2026/05/11 06:40 

# 从树冠到碰撞：识别涉树交通事故风险因素的混合预测框架
来源：https://arxiv.org/abs/2605.06684
查看 PDF (https://arxiv.org/pdf/2605.06684)

> 摘要：涉树碰撞是偏离道路（ROR）事故中的一个关键子集，由于高能量撞击，往往导致致命或严重伤害。本研究开发了一个全面的分析框架，利用涵盖 2020-2023 年的事故报告抽样系统（CRSS）数据库，识别并量化导致涉树碰撞严重程度加剧的风险因素。建模框架遵循多步骤流程。首先，基于机器学习的分类模型（CatBoost）识别与二元事故伤害严重程度（KA：致命或丧失行动能力伤害，相对于 BC：非丧失行动能力或可能伤害）相关的关键因素。其次，使用 SHapley Additive exPlanations（SHAP）工具量化并可视化最具影响力的因素对事故严重程度的边际效应。第三，二元逻辑回归模型估计因素效应，并验证由 SHAP 得出的重要性度量。最后，SHAP 交互图检查了关键贡献因素的组合效应。研究结果显示，未使用约束装置（如安全带）是最具影响力的预测因子，未受约束的乘员由于被甩出车外的风险，遭受严重后果的可能性几乎是受约束乘员的三倍。车辆使用年限、超速违规和驾驶员 impairment（状态受损/酒驾等）显示出显著影响，反映了碰撞安全性降低、撞击力增加以及控制能力下降。在光照条件与车辆使用年限、超速与光照条件、约束装置使用与车辆使用年限、以及路面状况与超速之间出现了关键的交互作用，表明特定交互下存在叠加风险效应。这些发现为目标性的基于安全系统理论的干预措施提供了关键见解，包括加强安全带执法、在低能见度条件下进行速度管理，以及实现车辆车队的现代化。

## 提交历史

来自：Abdul Azim [查看邮件 (https://arxiv.org/show-email/a0d86543/2605.06684)] **[v1]** 2026 年 4 月 25 日 星期六 20:25:27 UTC (1,452 KB)

相似文章