مدل سازی تبیین پذیر شدت تصادفات مرتبط با تقاطع در مقایسه با تصادفات علامت نخورده به عنوان مرتبط با تقاطع: مطالعه موردی شیکاگو با اعتبارسنجی زمانی

پژوهش حاضر با هدف مقایسه الگوهای شدت تصادف در دو زمینه متفاوت شبکه شهری انجام شد. تصادفاتی که در گزارش پلیس به عنوان «مرتبط با تقاطع» علامت گذاری شده اند و تصادفاتی که چنین علامتی ندارند. داده پژوهش از یک مجموعه داده رسمی Traffic-Crashes-Crashes شهر شیکاگو استخراج شد. پس از پاک سازی و محدودکردن دامنه به دو سال کامل و پیش از همه گیری کرونا، ۲۳۶,۶۹۵ رکورد سال های ۲۰۱۸ و ۲۰۱۹ تحلیل شد. پیامد دودویی، وجود حداقل یک جراحت ناتوان کننده یا فوت بود. سال ۲۰۱۸ برای آموزش و تنظیم آستانه و سال ۲۰۱۹ به عنوان آزمون زمانی مستقل استفاده شد. رگرسیون لجستیک وزن دهی شده و CatBoost وزن دهی شده مقایسه و مدل CatBoost با مقادیر SHAP تفسیر شد. در کل دوره نرخ خام تصادفات شدید/فوتی در گروه مرتبط با تقاطع ۳.۳۷ درصد و در گروه علامت نخورده ۱.۴۱ درصد بود؛ نسبت شانس خام برابر ۲.۴۴۷ با فاصله اطمینان ۹۵ درصد ۲.۳۰۲ تا ۲.۶۰۱ به دست آمد. در آزمون ۲۰۱۹، ROC-AUC رگرسیون لجستیک و CatBoost در گروه تقاطع به ترتیب ۰.۷۶۴ و ۰.۷۵۵ بود، ولی CatBoost F۱ بالاتری داشت (۰.۲۰۴ در برابر ۰.۱۶۷). در گروه علامت نخورده، CatBoost به ROC-AUC=۰.۸۲۲، PR-AUC=۰.۱۰۹ و F۱=۰.۱۹۹ رسید و از رگرسیون لجستیک در PR-AUC و F۱ بهتر بود. نوع نخستین برخورد در هر دو گروه مهم ترین متغیر بود؛ در گروه علامت نخورده، حد سرعت و تعداد خطوط اهمیت بیشتری نسبت به گروه تقاطع داشتند. برخورد با عابر و دوچرخه سوار بالاترین نرخ های خام شدت را نشان داد. نتایج بر ضرورت تفکیک زمینه راه در تحلیل شدت، استفاده از اعتبارسنجی زمانی و گزارش معیارهای مناسب داده نامتوازن تاکید دارد. با این حال، گروه دوم برچسب قطعی بخش میانی نیست، SHAP رابطه علی را اثبات نمی کند و نبود داده مواجهه ترافیکی مانع تفسیر نتایج به عنوان خطر وقوع تصادف است.

کلیدواژه ها:

شدت تصادف ، تقاطع ، یادگیری ماشین تبیین پذیر ، CatBoost ، SHAP ، اعتبارسنجی زمانی ، داده نامتوازن