基于智能交通监控系统的交通违法行为影响因素分析
王辛岩
梁海琼
陈佳杭
李世中
李丙章
张平
西藏大学工学院,拉萨 850000
摘要：随着城市化进程加快,交通违法行为对道路交通安全与效率的影响日益显著.为揭示交通违法行为的影响因素及其作用机制,文章基于智能交通监控系统采集的拉萨市城关区2023年6月交通违法数据,结合气象、交通流量、时间及道路属性等多源异构数据,通过随机森林(RF)、XGBoost、C5.0决策树及多层感知器(MLP)等机器学习模型,探究时间、空间、交通流量及天气四类环境因素对交通违法行为的影响机制.研究结果表明,随机森林模型在预测性能上显著优于其他模型,准确率达93.17%,且在ROC(AUC=0.99)与PR曲线(AP=0.989)评估中表现最优.基于SHAP的特征贡献分析显示,交通流量、道路类型及时间因素是影响违法行为的关键变量,不同违法类型(闯红灯、违反指示标线等)的影响机制存在显著差异:本研究量化了环境因素对交通违法行为的差异化作用,为优化执法资源配置及制定精准化交通管理策略提供了数据支撑与理论依据.
关键词：智能交通监控系统交通违法行为多源数据机器学习模型环境因素
资助基金：西藏自治区自然科学基金项目(XZ202501ZR0098)大学生创新创业训练计划项目(S202510694007)
论文发表日期：2025-07-30
在线出版日期：2025-08-18（本平台首次上网日期，不代表文献的发表时间）
页数：7( 63-69 )
英文信息