基于MIMIC与机器学习的出租车驾驶员交通事故诱因分析

通过调查问卷收集2391名出租车驾驶员个体属性、身体疲劳感知、工作压力、风险驾驶行为和交通事故经历的相关信息。运用多指标多原因（MIMIC）模型进行路径分析，探究身体疲劳感知、风险驾驶行为对交通事故的诱发效应，验证性别、年龄、工作压力的原因变量对身体疲劳感知、分心驾驶行为的影响作用。选取逻辑回归、朴素贝叶斯、支持向量机、随机森林4种机器学习算法对出租车事故进行预测。结果表明：身体疲劳感知、过失性驾驶行为、激进性驾驶行为与分心驾驶行为的提高能够导致事故率的提高，性别、年龄、工作压力会对身体疲劳感知与分心驾驶行为的频次产生影响。基于机器学习的事故预测模型效果极佳，其中随机森林的预测效果最好，使用单一特征变量“风险驾驶行为”、“分心驾驶行为”、“身体疲劳感知”的预测精度尚可接受。当引入“工作压力”、“年龄”、“性别”的个人属性指标时，预测精度进一步提高。