考虑数据平衡影响的道路交通事故建模与致因分析
来源：交通运输系统工程与信息杂志2026年第1期北京时间：
作者：杨洋, 陈冠华, 王明涛, 黄海博
单位：北京交通大学，交通运输学院，北京100044
摘要：为解决道路交通事故数据中普遍存在的样本不平衡问题，并精准识别事故严重程度的关键致因，本文提出一种基于混合采样与可解释机器学习的分析框架。针对传统模型在非平衡数据下对少数类（严重事故）预测性能差的缺陷，本文先采用ADASYN（Adaptive Synthetic Sampling）过采样与Tomek Links欠采样相结合的混合方法对美国Kaggle交通事故数据集进行平衡处理；随后，分别构建基于逻辑回归、K近邻、决策树和随机森林4种机器学习预测模型；引入混淆矩阵作为评价体系，评估模型对各类事故严重程度的预测能力；最后，应用SHAP（SHapley Additive exPlanations）算法对模型关键影响因素进行分析。结果显示：混合采样显著提升了模型性能，随机森林模型表现最优，其F1值达到0.798，较非平衡数据下提升25.7%；随机森林模型特征重要度分析结果表明，交通事故的主要影响因素为昼夜情况、温度、湿度、能见度和风速，且低能见度、高湿度情况下易引起较严重的交通事故。结论表明，本文采用的混合采样方法能有效提升模型对严重事故的识别精度；SHAP分析进一步揭示夜间、低能见度和高湿度等环境组合是诱发严重事故的关键风险场景，为交通安全精准预警与干预提供科学支撑。
关键词：交通工程,事故致因分析,混合采样,道路交通事故,数据不平衡性,机器学习
基金资助：国家自然科学基金(52572336)；北京市自然科学基金(E2024210149)。
