原文传递
基于数据挖掘技术的天气相关因素对道路交通事故影响分析
| 论文题名： | 基于数据挖掘技术的天气相关因素对道路交通事故影响分析 |
| 关键词： | 道路交通事故;严重程度;天气因素;数据挖掘;统计学;机器学习 |
| 摘要： | 道路交通安全状态是复杂多因素协同作用的结果，道路交通事故背后的致因可以指导采取不同的措施来降低其危害。该研究评估了道路事故严重程度与天气相关因子如何相关联。天气对高速公路交通安全的影响已成为道路交通安全部门日益关注的问题，如众多与天气有关的碰撞事故发生在潮湿路面和降雨状态。因此，通过统计学和机器学习技术方法探索天气相关变量与道路交通事故严重程度之间的关系非常重要。尽管以前的文献中存在天气对道路交通事故的影响，但需要构筑更加准确的模型，详细分析解释每个天气因素的变化对碰撞事故严重程度的影响。 本研究旨在基于公路安全信息系统（来自HSIS）事故数据集来分析和量化天气相关因素（来自国家气候数据中心数据）对道路交通事故严重程度的影响。为了找到更好的模型拟合相关变量，研究选择四个模型：order logit（OL）模型，决策树模型，随机森林模型和神经网络模型，分别在Stata和python中进行建模分析。在模型构建过程中，考虑了与天气条件有关的七个主要因素，分别是气温，平均风速，日降水量，月降水量，年降水量，阵风和相对湿度。 本文对比了统计学模型和机器学习模型的建模结果，通过灵敏度分析从机器学习模型中深入分析天气因素对事故伤害严重程度的影响。灵敏度分析结果表明，不同机器学习模型估计下的天气相关参数的变化对事故严重程度有不同的影响。模型结果表明，MLP模型的准确性高于RF模型和决策树模型。MLP，RF和DT模型显示致命伤严重程度的预测准确率分别为82.04％，81.18％和80.58％。该研究的结果还有助于改进交通安全管理政策和策略。 |
| 作者： | Muhammad Tauseef Zafar |
| 专业： | Transportation Engineering |
| 导师： | 李志斌 |
| 授予学位： | 硕士 |
| 授予学位单位： | 东南大学 |
| 学位年度： | 2019 |
| 正文语种： | 中文 |
检索历史
应用推荐
