基于集成学习的车辆-行人受伤严重程度分析与预测OA
为深入研究车辆-行人交通事故受伤严重程度影响因素的异质性以及时变性,基于中国交通事故深入调查数据库(CIDAS)和空军军医大学卫勤训练基地统计的1836起车辆-行人事故数据,分别构建3组随机参数Logit模型,探究了行人事故严重程度影响因素的异质性,采用最优集成方法构建两层Stacking行人受伤严重程度预测模型,引入SHAP理论对模型预测结果进行解释分析。研究结果表明,考虑均值和方差异质性的随机参数Logit模型拟合效果最佳,基于Stacking集成学习模型对轻伤(83.3%)和死亡(81.0%)两类行人受伤严重程度展现出优异的判别能力。研究结果可为交管部门制定行人防护交通安全管理政策和军事单位强化训练交通安全管控提供支撑。
彭开男;陈鹏;李屾;杨逸宇;张慧臣;王鹏
空军军医大学卫勤训练基地,西安710032长安大学汽车学院,西安710018中国人民解放军94201部队,济南250031长安大学汽车学院,西安710018长安大学汽车学院,西安710018中国汽车技术研究中心有限公司,天津300300
交通工程
行人受伤严重程度随机参数Logit模型集成学习异质性车辆管理
《汽车工程学报》 2026 (4)
P.588-599,12
教育部基础学科和交叉学科突破计划项目(JYB2025XDXM104)咸阳市重大科技创新专项(L2025-ZDKJ-ZDGG-RGZN-003)咸阳市渭城区科技发展计划项目(2025VCCN-03)。
评论