从树冠到碰撞：识别树木交通事故风险因素的混合预测框架

arXiv:2605.06684v1 公告类型：新 摘要：与树木相关的碰撞是越野 (ROR) 碰撞的一个重要子集，通常会因高能量碰撞而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 2020 年至 2023 年的碰撞报告采样系统 (CRSS) 数据库来识别和量化导致树木碰撞事故严重程度的风险因素。建模框架遵循多步骤过程。首先，基于机器学习的分类模型 (CatBoost) 识别与二元碰撞伤害严重程度相关的关键因素（KA：致命或失能伤害与 BC：非失能或可能伤害）。其次，SHApley Additive exPlanations (SHAP) 工具用于量化和可视化主要影响因素对碰撞严重程度的边际影响。第三，二元逻辑回归模型估计因子效应并验证 SHAP 导出的重要性度量。最后，SHAP 交互图检查了关键影响因素的综合影响。结果显示，不使用约束装置是最有影响力的预测因素，不受约束的乘员因弹射风险而遭受严重后果的可能性高出近三倍。车龄、超速违规和驾驶员损伤表现出重大影响，反映出耐撞性降低、冲击力增加和控制能力降低。照明条件和车龄、超速和照明条件、约束装置使用和车龄、路面和超速之间存在关键的相互作用，证明了特定相互作用的附加风险效应。这些发现为有针对性的基于安全系统的干预措施提供了重要见解，包括加强安全带执法、能见度较低条件下的速度管理以及车队现代化。