Analysis of Major Road Traffic Accident Causes Using a Combined Method of Association Rule and Complex Network
Notice bibliographique
Résumé
To identify the key causes of major road traffic accidents (resulting in three or more deaths), this study constructed an accident causation network based on association rules and complex networks using data from 173 major traffic accidents over the past decade. Initially, 62 potential risk factors were extracted from aspects such as human, vehicle, road environment, and management. Association rule algorithms were then employed to explore the coupling relationships between these risk factors, generating strong association rules. Finally, a complex network model was built based on these association rules to identify critical risk factors. Results indicate that (1) 80% of major traffic accidents are linked to poor driving behavior. Complex network analysis identified speeding, overloading, lane crossing, and failure to maintain safe following distances as primary human factors, which are closely related to vehicle, road, and environmental conditions, contributing collectively to accidents. (2) Association rule results revealed that head‐on collisions are primarily related to lane crossing and occur on national and secondary grade highway; falling accidents are common on roads with inadequate infrastructure; rear‐end collision often happen on expressway and national highway, especially at night (18:00–07:00) with freight vehicles; vehicle‐related major accidents are usually associated with noncompliant vehicle performance, vehicle failures, overloading, and insufficient regulation. Major accidents involving inadequate road signs, markings, and safety barriers have a significant association with nighttime periods. The conclusions of this study can provide valuable insights for the prevention of major road traffic accidents.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,012 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».