详情

原文传递水上交通事故严重程度预测研究

论文题名：	水上交通事故严重程度预测研究
关键词：	水上交通事故;严重程度预测;安全管理;集成学习;朴素贝叶斯算法
摘要：	随着“一带一路”的不断推进，我国“走出去”的发展战略得到越来越多的响应，我国与世界各国的贸易量激增，航运经济得到大幅度发展，对我国国民经济发展的引导作用越发明显。与此同时，航运经济的发展促进了船舶种类、数量和吨位日益增加，不断增加的大型化、多样化的船舶使得我国水上交通日益繁忙，水上交通安全形势面临严峻的挑战。水上交通事故尤其是严重交通事故一旦发生，往往造成人员伤亡、财产损失和环境污染，严重制约着经济的发展。针对水上交通事故的特点，国家出台一系列安全防范措施，近几年来，水上交通安全形势有所好转。统计资料显示，近几年我国水上交通事故数虽然有所降低，但交通事故一旦发生造成的后果依然严重。如何减少水上交通事故的发生、保障海上生命安全、降低财产损失和减少环境污染越来越受到人们的关注。针对我国水上交通安全现状，本文基于水上交通事故调查报告，使用集成学习算法—LightGBM对水上交通事故严重程度预测，并使用SHAP对模型解释，具体工作如下：　　（1）通过对筛选出的454份水上交通事故调查报告分析，从人、船舶、环境、管理和事故特征五个方面筛选出18个严重程度影响因素自变量和1个事故严重程度因变量。　　（2）对提取到的水上交通事故数据集进行缺失值分析和处理、变量间相关性分析和特征选择，从而完成统计数据的预处理工作，得到可以直接输入模型的数据集，并对预处理后的数据集进行可视化分析。　　（3）构建LightGBM模型，给出详细的建模过程，并使用网格搜索算法对LightGBM的超参数进行优化，同时构建决策树、多层感知机、朴素贝叶斯算法、KNN算法、SVM、随机森林、XGBoost模型做对比分析。实验结果表明：LightGBM对水上交通事故严重程度的预测效果最好，其准确率、精确率、召回率、F1_score和AUC值分别达到了0.91、0.83、0.86、0.84和0.957，明显优于对比模型，通过对比分析八种模型的ROC曲线和PR曲线，进一步说明了LightGBM对水上交通事故严重程度预测效果最好。　　（4）采用SHAP对LightGBM做可视化分析，从整体到个体分析不同因素对水上交通事故严重程度的影响。通过对影响因素重要性排序可知，船员违规操作、安全管理体系存在重大缺陷、通航环境复杂以及事故类型中火灾与爆炸、自沉等事故更容易增加水上交通事故严重程度；通过对影响因素的依赖图分析，可以得出不同因素之间的交互作用对水上交通事故严重程度的影响。最后针对不同的因素提出预防水上交通事故、提高水上交通安全的建议。
作者：	孟洋然
专业：	交通信息工程及控制
导师：	王当利
授予学位：	硕士
授予学位单位：	武汉理工大学
学位年度：	2022