典型文献
基于CIDAS数据与集成学习的电动两轮车骑行者伤害致因分析
文献摘要：
电动两轮车保有量持续增长导致相关的事故伤害日益严重.为研究电动两轮车-机动车碰撞事故中电动两轮车骑行者受伤程度的影响因素,以中国事故深度调查(CIDAS)数据集中的1246起电动两轮车-机动车事故案例为基础,对比随机森林、XGBoost和LightGBM这3种集成学习模型性能,基于准确率等指标选用性能最优的LightGBM模型进行电动车骑行者受伤严重程度预测.结合SHAP可解释方法,进一步分析发现自变量与因变量之间存在明显的非线性关系:电动两轮车骑行者抛出距离对死亡的影响存在明显的阈值效应,电动两轮车骑行者被抛出距离小于5m时,不易发生死亡事故,超过5m时,抛出距离和死亡风险呈正相关;事故发生地为市区外或公路上以及与载重物车辆相撞能显著增加电动两轮车事故中骑行者的死亡风险;电动两轮车不加装脚蹬、座位高度大于70 cm、车把宽度为61～65 cm、车把设计形式为向后弯曲或牛角状等因素可降低死亡风险;与电动两轮车骑行者相关的降低死亡风险的因素包括女性、年龄在30～50岁及对事故发生地环境更为熟悉.
文献关键词：
交通安全;CIDAS数据;集成学习;LightGBM模型;电动两轮车;受伤严重程度;影响因素
中图分类号：
作者姓名：
魏雯;杜雨萌;董傲然;秦丹;朱彤
作者机构：
长安大学运输工程学院 西安 710064
文献出处：
引用格式：
[1]魏雯;杜雨萌;董傲然;秦丹;朱彤-.基于CIDAS数据与集成学习的电动两轮车骑行者伤害致因分析)[J].交通信息与安全,2022(02):45-52,62
A类：
电动两轮车事故
B类：
CIDAS,车骑,骑行者,致因分析,保有量,日益严重,机动车,碰撞事故,国事,深度调查,事故案例,案例为基础,XGBoost,LightGBM,集成学习模型,模型性能,电动车,受伤严重程度,严重程度预测,SHAP,可解释,解释方法,因变量,非线性关系,抛出,阈值效应,5m,生死,死亡事故,死亡风险,发生地,区外,载重,重物,相撞,加电,不加,加装,脚蹬,座位,车把,设计形式,牛角,角状,交通安全
AB值：
0.274355
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
