中国安全科学学报

作者：薛乐, 于露, 金龙哲, 李博, 沈文进

单位：1 大连交通大学 交通工程学院,辽宁 大连 116028；2 北京科技大学 大安全科学研究院,北京 100083

关键词：随机森林(RF),Apriori算法,缺失值,高速公路,事故致因,数据填补,关联规则

基金：辽宁省教育厅基本科研项目(LJKQZ20222462)

为改善高速公路交通安全状况,以法国2018—2022年的26 320条高速公路交通事故数据作为研究对象,选择3种具有代表性的算法填补数据中的缺失值,包括随机森林(RF)算法、期望最大化(EM)算法以及K最近邻(KNN)算法。并基于填补前后变量方差的变化比较不同填补算法对数据稳定性的影响,并运用Apriori关联规则算法对完成填补的事故数据进行不同严重程度等级的高速公路事故致因分析。结果表明:经缺失值填补后,RF算法稳定性更优,相较于原始数据训练的模型准确率提高5.66%,召回率提高9.22%,F1分数提高9.91%。客车更易引发财产损失事故的发生;摩托车在限速较低的路段易引发受伤事故,在限速较高的路段易引发死亡事故,安全设备的使用情况对事故严重程度等级有较大关系。

来源：2025年第4期

《中国安全科学学报》期刊编辑部

查看中国安全科学学报杂志2025年第4期