融合XGBoost与SHAP的机动车交通事故致因机理分析

为了研究影响机动车交通事故结果严重性的显著因素，掌握其发生特征与规律，将中国事故深度调查（CIDAS）数据库中2966条机动车事故进行建模，以包含人-车-路-环境的19个因素作为输入，将事故结果作为输出。在研究中引入包含准确率、查准率、召回率、F-1分数等指标的评估体系，将XGBoost模型与LightGBM、随机森林与CatBoost四种模型进行并列对比，证明了其分类性能的优异。此外利用SHAP对于模型进行了可视化分析，探究各种因素对于事故严重程度的影响。结果表明，对于轻伤/重伤/死亡而言，最关键的影响因素分别为碰撞类型、人员类别、碰撞类型。为了避免死亡事故的发生，需重点关注注预防客/货车单方碰撞事故、事故特征为起步/停止、高道路限速下跑偏/碰撞对象车辆/撞障碍物的场景，并且应对于车辆行驶在30～60 km/h限速道路的驾驶员的懈怠心理重点关注。