通过使用可解释机器学习模型,调查摩托车车辆碰撞中伤害严重性的决定因素
Shuwu Wei1, Guopeng Zhang1, Lei Li1
1College of Engineering, Zhejiang Normal University, Jinhua, China.
Traffic injury prevention
|November 10, 2025
概括
摩托车手在碰撞中受伤的严重程度受到撞击角度和速度等因素的影响. 了解这些决定因素及其相互作用可以改善弱势道路使用者的交通安全.
科学领域:
- 交通安全 交通安全
- 伤害预防 预防伤害
- 机器学习在运输中的应用
背景情况:
- 摩托车手本质上是脆弱的,导致车辆碰撞造成严重伤害.
- 之前的研究还没有全面探讨影响摩托车手受伤严重程度的因素的相互作用.
研究的目的:
- 调查摩托车驾驶员在车祸中受伤严重程度的多维决定因素.
- 为了揭示各种因素之间的相互作用效应,有助于损伤严重程度.
主要方法:
- 利用机器学习模型,包括CatBoost,进行最佳分析.
- 使用随机参数逻辑模型与平均异质性 (RPLM-HM).
- 应用了Shapley添加式扩展 (SHAP) 来揭示因子相互作用.
主要成果:
- 诸如碰撞角度,高速限制和危险行为等因素增加了严重受伤的可能性.
- 年轻的摩托车手,老年司机,潮湿的道路和早晨的条件都与减少严重伤害的可能性有关.
- 在摩托车手,司机和事故特征之间发现了显著的相互作用效应.
结论:
- 调查结果为制定有针对性的安全对策提供了洞察力.
- 建议侧重于管理摩托车手,司机和道路基础设施.
- 旨在提高摩托车手的整体交通安全.
更多相关视频
07:13Comparison of Predictive Performance of Three Lymph Node Staging Systems in Colorectal Signet Ring Cell Carcinoma Based on Machine Learning Model
Published on: April 18, 2025
478
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.6K
