基于SVM事故分类的连环追尾事故影响因素分析

• 作者: 柳本民 闫寒
• 来源期刊: 交通信息与安全
• 学科: 交通运输
• 关键词: 交通安全 连环追尾事故 分类识别 SVM-RFE 随机森林
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 交通安全
• 页码范围: 43-51
• 页数: 9页
• 分类号: U491.31
• 字数: 7005字
• 语种: 中文
• DOI: 10.3963/j.jssn.6174-4861.2020.01.006

摘要

以美国公路2013—2015年所有的追尾事故数据为样本,研究导致连环追尾事故发生的关键影响因素.通过随机森林进行特征筛选,选取了与时间、驾驶人、车辆、道路和环境有关的14个相关因素作为支持向量机的输入变量,建立了基于SVM的2车追尾事故与连环追尾事故二分类模型.得到分类准确率:训练集为97.42％,测试集为80.32％,AUC为0.7,说明2种事故之间存在显著差异,且SVM模型能够较好的将2种事故进行区分.根据SVM-RFE算法计算影响分类效果的特征变量的相对重要度,得到4个对2种事故产生区别影响较大的因素,依次为:碰撞前首车的运动情况、道路的限速、季节和车道数.进一步对比各因素下2种事故发生的百分比发现,在首车停车或减速、道路限速超过80 km/h、夏季以及车道数大于2车道的情况下,更容易发生连环追尾事故.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	柳本民	同济大学道路与交通工程教育部重点实验室	26	366	11.0	19.0
2	闫寒	同济大学道路与交通工程教育部重点实验室	1	0	0.0	0.0