基于XC-RL-MLP模型的交通事故伤害程度预测
萧圣杰
马社强
中国人民公安大学交通管理学院,北京 100038
摘要：随着机动车保有量的迅速增加,人们对交通安全问题日益重视.为深入探究深圳市交通事故伤害程度的影响因素,文章以事故伤害程度为研究对象,构建了一种XC-RL-MLP模型对其进行预测建模分析.为验证该模型的有效性,文章以深圳市2016-2020年的交通事故数据为例,首先通过预处理,获得包含1975条事故记录的数据集,涵盖人、车辆等7个关键要素,并采用过采样技术对数据集进行平衡处理,以确保模型训练的可靠性;其次,通过交叉验证等方法对XC-RL-MLP模型进行系统训练和效果评估,确保模型具有良好的泛化能力和稳定性;最后,运用SHAP值对模型特征进行可视化分析,揭示各特征对事故伤害程度预测的重要性和影响机制.结果表明:该模型准确率为90.38%,高于其他Stacking模型,比最优单一模型XGBoost提高了0.51%,F1分数均高于其他单一模型;对事故伤害程度影响最大的5个特征分别是安全保护装置使用情况、机动车状态、交通方式、现场形态、车辆转向灯状态.该研究可为交通管理者提供一定的借鉴.
关键词：交通安全伤害程度预测XC-RL-MLP模型特征分析Stacking
资助基金：国家重点研发计划(2023YFB4302702)
论文发表日期：2025-06-30
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：9( 64-71,80 )
英文信息