環境要因と自動二輪車事故率の関係性の特定：ネットワーク距離とバリアを用いた空間的ランダムフォレストによる変数選択

科学分野:

• 交通安全
• 空間分析
• 地理情報システム（GIS）

背景:

• 自動二輪車の事故は、特にアジア諸国において、世界的に重大な安全リスクをもたらしています。
• 事故要因を分析する従来の.,手法は、空間パターンや道路網の制約を無視することが多く、精度が限定的です。
• 特定の道路へのアクセス制限などの文脈的要因は、自動二輪車事故の発生を理解する上で重要です。

研究 の 目的:

• 新しい空間的変数選択フレームワーク、Spatial Random Forest with Network Distance and Barriers（spatialRF-NDBAR）を導入すること。
• ネットワーク距離と道路バリア情報を組み込むことにより、自動二輪車事故予測モデルの精度を向上させること。
• 都市環境における自動二輪車の事故リスク増加に関連する主要因と場所を特定すること。

主な方法:

• 自動二輪車事故分析における変数選択のために、spatialRF-NDBARフレームワークを開発および適用しました。
• 台北市の自動二輪車事故データ（2016-2020）とOpenStreetMapのPOI（Point of Interest）データを使用しました。
• 従来のspatialRFおよびspatialRF-NDと比較して、空間RF-NDBARを比較し、Ordinary Least SquaresおよびMultiscale Geographically Weighted Regression（MGWR）モデルを使用して性能を評価しました。

主要な成果:

• MGWRモデルは、spatialRF-NDBARによって選択された変数を使用し、AICc（1801.212）が最も低く、R²（0.867）が最も高いという優れた性能を示しました。
• 空間的予測変数を組み込むことで、残差空間的自己相関が効果的に減少し、モデル精度が向上しました。
• 市場、レストラン、バー、ホテル、銀行、バス停、地下鉄駅などの特定のPOIは、自動二輪車の事故リスクの増加と有意に関連していました。

結論:

• spatialRF-NDBARフレームワークは、事故分析における空間的変数選択において大幅な改善を提供します。
• 正確な自動二輪車事故モデリングには、空間的制約とネットワーク距離の理解と組み込みが不可欠です。
• 特定された高リスクPOI周辺でのターゲットを絞った交通安全介入は、自動二輪車の事故を軽減するために支持されます。