揭示风险治理错配
该框架通过融合地理加权回归与随机森林解释，动态追踪事故风险与安全治理的错配演化，突破了传统静态分析的局限。
Haibo, Huang · 袁振洲 · Yang, Yang · 李根 · Salamatov, Vladimir Y. · 韩宝睿 · Kozhankov, Anton Y. · Luo, Zhongbin · 俞山川
Accident Analysis and Prevention 2026
通过地理加权回归与随机森林解释，重建高风险错配区时空轨迹，揭示风险重心从成熟市中心向扩张郊区边缘的系统性迁移，为治理提供动态靶区。
十年数据显示行为因素与冲突模式始终主导风险层级，基础设施因素影响有限，证实治理缺口本质是管理缺口而非硬件不足，从而可将资源聚焦于行为干预与交通流管理。
差异诊断揭示，与传统城中心拥堵导致的被动错误不同，边缘区以不当操作和严重机非冲突为特征，反映出混合交通流管理的空白，可为针对性执法与设施设计提供依据。