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

面向部分可观测环境下自动驾驶的统一风险地图学习

Hugging Face Daily Papers

提出了一种面向部分可观测环境的自动驾驶统一风险地图建模框架，该框架通过时空建模和基于扩散的场景生成，整合了交通流风险和碰撞风险。在Waymo Open Motion数据集上，该方法优于最先进的遮挡感知基线。

城市交叉口多行人安全预警的数字孪生应用案例

arXiv cs.LG

本文提出了一种基于数字孪生框架的城市交叉口多行人安全预警系统，集成了摄像头、超宽带（UWB）、边缘-云计算以及预测轨迹建模技术，实现实时预警。结果表明，该系统具有高准确率和更短的响应时间。