《Results in Engineering》：Integrating Safety Analytics into Construction Management: An Interpretable Machine Learning Approach for Zonal Crash-Count Screening
编辑推荐：
：
本研究将安全分析整合到施工管理中，提出一种可解释的机器学习方法用于分区事故计数筛查。经BES优化的XGBoost模型在事故频率预测中取得了0.907的R2分数。2500次蒙特卡洛模拟验证了模型对数据扰动的稳定性。SHAP分析证明道路网络对安全的影响大于人口
：
本研究将安全分析整合到施工管理中，提出一种可解释的机器学习方法用于分区事故计数筛查。经BES优化的XGBoost模型在事故频率预测中取得了0.907的R2分数。2500次蒙特卡洛模拟验证了模型对数据扰动的稳定性。SHAP分析证明道路网络对安全的影响大于人口统计特征。环岛过渡与预测的36.4%安全风险降低相关。帕累托前沿促进了基于证据的城市安全资本投资。研究利用澳大利亚维多利亚州3111个分析区域和140个候选描述符，涵盖人口统计、出行方式、土地利用、公共交通和道路网络特征，开发了用于五年期分区事故总数横截面预测的XGBoost框架。通过嵌套验证设计将超参数选择与留出性能评估分离，并与未调优的XGBoost及计数回归基准进行比较。采用计数适用的误差、校准、偏差和敏感性分析评估预测性能，并使用SHapley Additive exPlanations（SHAP）和分组排列重要性识别与预测分区事故计数最相关的特征组和个体描述符。研究旨在支持分区筛查：模型输出可辅助确定需进一步安全调查的位置优先级，而处理选择和因果安全效应估计则需要额外的工程和干预特异性证据。
论文解读文章
一、研究背景与问题
道路交通事故是全球持续面临的重大挑战，造成严重的公共卫生后果并给发展中国家带来巨大经济负担。世界卫生组织《2023年全球道路安全状况报告》显示，2021年全球约有119万人死于道路交通事故，死亡率约为每10万人口15人。道路伤害仍是儿童、青少年和年轻人死亡的主要原因之一。除生命损失外，道路交通事故的经济影响也相当可观，估计使许多国家损失约3%的国内生产总值。2021—2030年道路安全行动十年全球计划呼吁到2030年将道路交通死亡和伤害至少减少50%。
交通事故事件具有随机性，其观测频率和严重程度与人口统计特征、地理环境、基础设施和管理条件相关。城市交通系统兼具高车辆密度、多种出行方式并存和人口流动集中的特点，而快速城市化给基础设施规划、建设、运营和维护带来了持续挑战。在此背景下，定量道路安全分析有助于识别需要进一步调查的位置和条件。尽管预测模型能够通过提供一致的筛查指标为基础设施规划确定后续工程评估地点的优先级做出贡献，但其预测本身并不能确定拟议干预措施的安全效果。
方法论上，交通事故预测和事故分析包括传统统计技术和机器学习方法。事故频率研究长期以来使用计数数据框架，如泊松回归和负二项回归及其扩展形式。这些模型因其概率结构便于解释和正式推断而仍然重要。然而，当预测空间高维且包含大量非线性关系和交互作用时，指定适当的参数结构可能变得困难。基于树的机器学习方法提供了一种补充途径，因为它们无需分析者规定每个预测效应的函数形式即可表示非线性关联。然而，这种灵活性增加了严格验证、校准评估和透明解释的重要性。
二、研究内容与意义
本研究在基础设施规划和施工管理背景下，开发了用于五年期分区事故总数横截面预测的极端梯度提升（XGBoost）框架。实证分析利用3111个分析区域和140个候选描述符，涵盖人口统计、出行方式、土地利用、公共交通和道路网络特征。研究有三个目标：其一，在将超参数选择与留出性能评估分离的验证设计下评估计数泊松XGBoost，并与未调优的XGBoost和计数回归基准进行比较；其二，使用计数适用的误差、校准、偏差和敏感性分析评估预测性能；其三，使用SHapley Additive exPlanations（SHAP）和分组排列重要性检查拟合模型，以识别与预测分区事故计数最相关的特征组和个体描述符。预期工程应用是分区筛查：模型输出可支持确定需进一步安全调查的位置优先级，而处理选择和因果安全效应估计需要额外的工程和干预特异性证据。
三、关键技术方法
研究人员采用嵌套验证设计，使用五个外部验证折叠和三个内部折叠，按事故计数区间分层。XGBoost使用计数泊松目标函数，超参数选择采用紧凑网格、随机搜索和基于树结构Parzen估计器（TPE）的贝叶斯优化三种策略，各评估24个配置，以平均泊松偏差为选择标准。性能与训练均值零预测器、岭正则化泊松回归和岭正则化负二项回归（NB2）基准进行比较。模型解释使用精确TreeSHAP贡献和分组排列重要性。敏感性分析包括包含X124、均值与中位数插补、保留与移除零方差/精确重复预测器，以及将计数泊松目标替换为平方误差回归。数据来源为澳大利亚维多利亚州（data.vic.gov.au），响应变量为2014年1月至2018年12月各区域事故总数。
四、研究结果
特征分析：结果变量强烈右偏，3111个观测中1649个（53.0%）为零事故，中位数为0，第75百分位数为1，最大值为83。这些特征促使采用计数适用的性能指标并明确检查校准和高计数预测误差。
调优与预测性能：经BES优化的XGBoost模型在事故频率预测中取得0.907的R2分数。调优后的XGBoost在计数适用指标上优于未调优版本和计数回归基准。
校准与敏感性分析：2500次蒙特卡洛模拟验证了模型对数据扰动的稳定性。敏感性分析检验了包含X124、插补方法、预测器保留策略和目标函数替换对性能的影响。
模型解释：SHAP分析证明道路网络对安全的影响大于人口统计特征。分组排列重要性识别了与预测分区事故计数最相关的特征组。环岛过渡与预测的36.4%安全风险降低相关。
工程意义：帕累托前沿促进了基于证据的城市安全资本投资。探索性回顾性筛查评估了按预测计数排序的优先级集合中观测事故和AC≥5区域的捕获比例。
研究局限性：分析矩阵不包含经过验证的行到区域键、坐标、多边形或其他可辩护的空间分组，因此无法从现有分析数据构建空间分离验证。无直接交通暴露度量（如年平均日交通量），主要模型估计总分区事故计数而不含暴露偏移。结果变量为2014—2018年事故总数，聚合周期定义了用于横截面分区事故计数预测的响应，而非后续时期的预测。
五、结论
研究开发了用于分区事故计数预测的可解释XGBoost框架，在严格的嵌套验证设计下取得了良好预测性能。SHAP分析表明道路网络特征对预测事故计数的影响大于人口统计特征。模型输出支持分区筛查应用，可辅助确定需进一步安全调查的位置优先级。研究强调预测模型本身不能确定干预措施的安全效果，处理选择和因果效应估计需要额外的工程和干预特异性证据。未来在越南等地的应用需要本地数据协调、重新校准和独立验证。
