基于K-Means-XGBoost-SHAP集成化框架的交通事故严重程度致因分析

来源：中国血液净化杂志2025年第5期北京时间：

作者：陈英, 朱加勋, 田毅, 欧阳昭衡, 龙杰融

单位：长沙理工大学　建筑学院，湖南　长沙　410076

摘要：<p>为了探究影响交通事故严重程度的关键因素及其影响机制，提出了一种融合K-Means算法、ADASYN（Adaptive Synthetic Sampling）算法、XGBoost模型以及SHAP归因分析方法的集成化分析框架，对长沙市2017~2019年的交通事故数据进行研究。首先，构建K-Means模型将交通事故严重程度划分为4个等级（事故严重程度由高到低依次为：2类事故、3类事故、0类事故、1类事故）。其次，使用ADASYN算法解决4类事故样本不均衡问题。最后，基于平衡后的数据集利用XGBoost模型结合SHAP归因分析方法探究影响交通事故严重程度的重要因素及其影响机制，并引入三因素交互（3种因素交互组合）分析，进一步探讨不同因素组合对事故严重程度的作用机理。研究结果表明：①从全局上看，碰撞类型、道路类型、能见度、季节、昼夜时间等因素对事故严重程度的影响较大，但不同等级事故的关键影响因素存在差异；②同一因素对不同等级事故的影响存在差异，如秋冬季节对2类事故均有正向影响，但秋冬季节对0类和1类事故的影响无显著的倾向性；③同一因素在单因素分析和三因素交互分析中对事故的作用机理存在差异，如在单因素分析中，道路等级升高会增大发生严重事故的概率，在碰撞类型-道路类型-季节的交互分析中，当为车人事故时，秋冬季节发生2类事故的概率增大，但道路等级对其影响相对较小。</p>

关键词：交通工程,事故严重程度致因分析,XGBoost模型,交通事故,K-Means模型,交互作用