基于互信息贝叶斯网络的交通事故严重程度分析

为掌握省际客运行业事故严重程度影响因素, 采用互信息及贝叶斯网络方法构建模型, 分析各因素变化与事故严重程度的定量互动关系。鉴于行业样本量较小及专家知识建模存在主观性, 采用改进离散算法挖掘数据, 提出结合互信息与交叉验证的先验网络构造方法。以上海市2005—2019年741起省际客运事故数据为例进行模型分析。结果表明: 对事故最敏感的影响因素为驾驶员性别、天气和车辆类型; 其中“女性驾驶员”“雪、大风、雾”“中型客车”对事故严重性的权重占比分别为13.5%, 8.8%和5.7%;此外, 驾驶员年龄对群死群伤事故贡献较小; 客车尺寸与安全性非单调关系; 00:00—05:00引发7人以上受伤的概率同比上升9%;季节、天气、时间因素与财产损失无直接关联。模型泛化能力优于对比模型, AUC均值为0.644 588, 命中率达到97.3%。