确定最佳的机器学习模型来预测驾驶员受伤严重程度

科学领域:

• 道路安全工程 道路安全工程
• 运输安全运输安全
• 机器学习应用 机器学习应用

背景情况:

• 驾驶员伤害严重程度 (DIS) 的预测对于提高道路交通安全至关重要.
• 准确的预测有助于制定有针对性的安全干预措施.

研究的目的:

• 用12个机器学习算法分析驾驶员受伤严重程度.
• 确定影响道路交通事故中驾驶员受伤严重程度的关键因素.

主要方法:

• 利用来自印度士隆的十年 (2011-2020) 事故数据.
• 实施了12个机器学习模型,具有不同的列车比率 (0.70,0.80,0.90) 和交叉验证 (5,10,15倍).
• 使用精度,回忆,准确性,F1得分和AUC评估模型性能.

主要成果:

• 光梯度增强机器模型在预测驾驶员受伤严重程度方面表现出卓越的性能.
• 事故原因,碰撞类型和车辆类型被确定为影响DIS的最重要因素.
• 年龄和性别与驾驶员受伤严重程度有轻微的关联.

结论:

• 光梯度增强机器模型对于预测驾驶员受伤严重程度是有效的.
• 调查结果为道路安全机构提供了宝贵的见解,以实施有效的对策.
• 了解关键的影响因素可以带来更好的驾驶员安全策略.