通过多层感知神经网络在动脉道路上预测事故严重程度

科学领域:

• 城市规划和交通安全.
• 道路交通事故分析分析
• 运输中的预测建模.

背景情况:

• 交通事故是城市环境中死亡的一个重要原因.
• 预测建模已应用于农村和高速公路环境,但城市动脉道路仍未得到充分研究.
• 了解城市交通事故因素对于制定有效的安全干预措施至关重要.

研究的目的:

• 开发和比较城市动脉道路上交通事故严重程度的预测模型.
• 确定影响城市环境事故严重程度的关键因素.
• 为加强道路安全法规和对策提供见解.

主要方法:

• 开发多层感知器 (MLP),随机森林 (RF) 和多项逻辑回归 (MLR) 模型.
• 应用模型来预测约旦安曼城市动脉道路上的事故严重程度.
• 使用Sobol全球敏感性分析 (GSA) 识别MLP模型中的关键变量相互作用.

主要成果:

• MLP模型表现出卓越的性能,训练准确率为97.3%,测试准确率为96.55%.
• 在预测事故严重程度方面,MLP显著优于RF和MLR模型.
• GSA揭示了碰撞类型和天气条件之间的显著相互作用是关键因素.

结论:

• MLP是预测城市动脉道路交通事故严重程度的高效工具.
• 碰撞类型和天气条件是影响事故严重性的关键相互作用因素.
• 调查结果可以为制定针对城市道路网络的有针对性的安全法规和预防措施提供信息.