基于机器学习的危险货物道路运输事故影响因素分析

• 作者: 沈小燕 魏珊珊 冯煜清
• 来源期刊: 交通信息与安全
• 学科: 工学
• 关键词: 危险货物 道路运输事故 严重程度 影响因素 机器学习
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: “危险货物运输过程安全保障技术”专栏
• 页码范围: 113-119,128
• 页数: 8页
• 分类号: X951
• 语种: 中文
• DOI: 10.3963/j.jssn.1674-4861.2020.05.013

摘要

为研究危险货物道路运输事故严重程度的影响因素,以2015—2019年发生在我国的1267起危险货物道路运输事故案例为基础,比较决策树C5.0、支持向量机和多层感知器对危险货物道路运输事故数据的分析性能,并选用表现最佳的模型探索影响3种不同严重程度的事故发生的主要因素.结果表明,决策树C5.0整体表现最佳.影响仅财产损失事故发生的主要因素依次为直接事故形态(刮擦、泄漏、火灾和其他),间接事故形态(泄漏)和路段类型(站区);影响受伤事故的发生的主要因素依次为直接事故形态(侧翻、撞固定物、2车追尾、2车相撞、冲出路面和坠车),间接事故形态(泄漏和侧翻),路段类型(普通路段、桥梁、隧道和出入口),道路类型(省道和国道)和时间(07:00—12:00);影响死亡事故发生的主要因素依次为直接事故形态(多车相撞、多车追尾和爆炸),危化品类别(氧化性物质、气体和易燃固体),间接事故形态(火灾和爆炸)和道路线形(长下坡和急弯).