55、基于机器学习和地理信息系统的事故检测分析

基于机器学习和地理信息系统的事故检测分析

1. 道路事故现状与背景

1.1 事故数据现状

道路交通事故（RTI）患者记录存在诸多问题，很多情况下记录细节不清晰且有缺失，非受伤事故至今未被统计在内，所以统计报告中的事故数据实际上低于真实数量。

1.2 不同车辆事故特点

• 四轮车事故 ：四轮车事故的投资和损失巨大，其反作用也很严重，会导致二次事故、严重交通拥堵和碰撞。许多国家设有专门的研究机构和测试中心来研究驾驶行为、车辆动力学和交通措施，一些高端汽车和卡车具备预碰撞通知和自动紧急通知功能。
• 两轮车事故 ：在印度，道路主要分为国道（NH）、省道（SH）、城市道路和农村道路。截至2018年3月31日，泰米尔纳德邦注册车辆约2.56亿辆，其中两轮车占84%。随着两轮车用户数量的增加，两轮车道路交通事故也会增多。而且两轮车事故的死亡率较高，防护措施相对较少，其稳定性完全取决于骑手的骑行行为。

1.3 事故地区分布

从报告来看，在不同类型道路上，其他道路的事故、伤亡人数比国道和省道要高。根据印度机动车法案，国道每50公里和收费站必须配备一辆救护车，但在其他类型道路上并无此强制要求，而这些道路正是事故多发地。此外，报告明确指出，非管控区域的事故数量远高于警方管控区域。2016年不同原因导致的事故分布如下表所示：
| 事故原因 | 2016年事故分布百分比(%) |
| — | — |
| 非管控区域 | 72.90 |
| 闪烁信号/转向灯 | 5.70 |
| 停车标