基于空间决策的车辆与行人安全数据模型：多因素统计分析与风险预测

为解决交通事故损失最小化难题，研究人员基于5年(2015-2019)事故数据，开发了新型空间决策统计模型。通过模糊简单权重计算(Fuzzy-SWARA)确定22个主变量/157个子变量对三类事故(车-车/车-行人/车-其他)的影响，结合地理信息系统(GIS)空间分析与多项逻辑回归(Multinomial Logistic Regression)验证，获得强模型拟合度(McFadden R2=0.749)，发现地理交叉口对车-车碰撞、行人缺陷对车-行人事故影响最显著，为土耳其西部/南部/中部高风险区提供政策制定依据。

　　

在追求交通事故损失最小化的全球使命中，一项突破性研究构建了基于空间决策机制(SpDM)的统计分析框架。研究团队利用土耳其五年期事故大数据，创新性地采用模糊简单权重评估法(Fuzzy-SWARA)量化了三大事故类型（车-车/V2V、车-行人/V2P、车-其他/V2O）中22个核心风险因子及其157个子变量的影响权重。

通过地理信息系统(GIS)的空间可视化技术，首次揭示事故严重度在土耳其呈现"西-南-中"三极高风险分布模式。多项逻辑回归(Multinomial Logistic Regression)验证显示模型预测力惊人(McFadden R²=0.749)，其中地理交叉口成为V2V事故的"头号杀手"，而行人的行为缺陷(如违规横穿)对V2P事故贡献度最高。

这项研究犹如为城市交通系统做了次"全基因组测序"，不仅构建起包含空间维度的事故风险"热力图"，更通过量化指标为政策制定者提供了精准干预的"分子靶点"。其创新之处在于将传统统计分析与空间决策树相结合，好比给交通管理装上了"空间显微镜"和"风险计算器"，特别有助于高风险区域的"精准医疗式"治理。研究成果已转化为地方管理者的决策支持系统，为降低"钢铁洪流"中脆弱道路使用者(VRUs)的伤亡率提供科学蓝图。