调查行人碰撞伤害模式:对儿童和非儿童进行比较研究
Zifei Wang1, Huizhong Guo2, Chengxin Zhang1
1Industrial and Manufacturing Systems Engineering Department, University of Michigan-Dearborn, 4901 Evergreen Rd, Dearborn, 48128, MI, USA.
Accident; analysis and prevention
|September 7, 2025
概括
儿童行人面临着更高的受伤风险. 这项研究使用先进的机器学习和统计方法来分析事故数据,揭示了影响儿童和成人受伤严重程度的因素的关键差异.
科学领域:
- 公共卫生 公共卫生
- 运输安全运输安全
- 数据科学数据科学数据科学
背景情况:
- 行人受伤是一个重要的公共卫生问题.
- 由于发育特征,儿童行人特别容易受到伤害.
- 了解特定年龄的受伤因素对于有效的安全干预至关重要.
研究的目的:
- 为了比较儿童和非儿童行人之间的伤害严重程度模式.
- 确定影响不同年龄组行人受伤严重程度的关键因素.
- 评估统计和机器学习模型在分析事故数据中的联合实用性.
主要方法:
- 来自事故报告采样系统 (CRSS) 的六年 (2016-2021) 国家事故数据的分析.
- 拉索逻辑回归用于统计建模的应用.
- 利用Catboost机器学习与SHAP值进行高级分析和解释.
- 对影响儿童 (≤14岁) 和非儿童 (>14岁) 行人受伤严重程度的因素进行比较.
主要成果:
- 几个因素对两个年龄组的伤害严重程度产生了持续的影响:速度限制,照明,行人年龄,促成因素,车辆运动,车身类型,交通管制和十字路口存在.
- 确定了特定于儿童的因素,包括道路表面和行人位置 (统计模型),驾驶员年龄,吸毒,陪同状态和事故年份 (CatBoost模型).
- 非儿童模型强调与驾驶相关的因素,如年龄,饮酒和吸毒,与儿童相比更有影响力.
结论:
- 将机器学习与统计方法相结合,可以更好地理解复杂的行人受伤因素.
- 有不同的因素影响儿童与成年行人受伤的严重程度.
- 调查结果为制定具体干预措施提供了有针对性的见解,以改善所有年龄组,特别是儿童的行人安全.
