基于SHAP-SVR模型的高速公路平面曲线段事故风险预测与等级分类研究

《Scientific Reports》：Research on accident risk prediction and grade classification of horizontal curve sections of expressways based on SHAP-SVR model

　　

摘要

高速公路风险评估系统中使用的传统预测模型，往往无法为事故多发路段的识别与分类提供充分的支持。本研究开发了一种可解释框架，将 SHAP 与支持向量回归（SHAP-SVR）相结合，用于预测高速公路平曲线路段的事故风险，并基于预测值建立了四级风险分级方案。该框架利用中国安徽省九条高速公路收集的数据进行了评估，并进一步应用于路段级道路特征以识别高风险地点。结果表明，该框架实现了较强的预测性能，同时通过量化单个风险因素的贡献，提高了机器学习模型的可解释性。因此，该方法为识别、评估和管理高速公路平曲线路段的事故风险提供了实用且可解释的基础。