在十字路口和段落探索夜间行人撞车模式:来自机器学习算法的发现
Ahmed Hossain1, Xiaoduan Sun1, Mahir Shahrier2
1Department of Civil Engineering, University of Louisiana at Lafayette, Lafayette, LA, 70504, United States.
Journal of safety research
|December 11, 2023
概括
夜间的行人撞车与特定因素有关,例如驾驶员的行为和道路状况,因十字路口或段落位置而异. 了解这些关联有助于制定有针对性的安全措施,以防止未来的事件.
科学领域:
- 交通安全工程 交通安全工程
- 数据挖掘和机器学习
- 交通运输中的人类因素
背景情况:
- 夜间行人安全是一个关键的交通问题,可见度是一个主要因素,但不是唯一的事故原因.
- 许多相互影响的因素,包括人,车辆,道路和环境因素,导致夜间行人事故.
- 在十字路口和道路段之间,碰撞模式显著不同,需要进行特定位置的分析.
研究的目的:
- 识别和分析与夜间行人撞车事故相关的风险因素.
- 根据碰撞发生在十字路口或道路段是否发生,区分碰撞模式和促成因素.
- 应用协会规则挖掘 (ARM) 来发现事故数据中的复杂关系.
主要方法:
- 利用协会规则挖矿 (ARM),一种机器学习技术,来分析崩数据.
- 检查了2015-2019年在路易斯安那州发生的2,505起夜间行人死亡和受伤事故的数据集.
- 基于位置的分类撞车数据:十字路口与道路段.
主要成果:
- 交叉路口撞车与特定车辆运动,老年司机/行人,恶劣天气,年轻行人违法行为和酒精参与有关.
- 断段撞车经常与道路缺乏物理隔离,没有路灯,驾驶员损伤和高速条件相关.
- 确定了一些关键问题,如缺乏人行过道,车道密度高,以及十字路口附近行人过路的危险行为.
结论:
- 调查结果为制定针对特定事故场景 (十字路口与分段) 量身定制的有针对性的对策提供了基础.
- 确定特定位置的风险因素对于有效的夜间行人安全策略至关重要.
- 数据驱动的洞察力可以为教育活动提供信息,以减少夜间行人撞车事故.
