事故状态预测模型

小样本高精度

该模型将因果推理与随机森林结合，在小样本事故数据下仍能准确预测初始事故状态，并识别出驾驶员状态与车辆状况为关键因素。

郭健 · 78277369 · Ma, Kaijiang

Reliability Engineering and System Safety 2026

技术优势

小样本也能用

通过逆概率加权减少混杂偏倚，模型在事故数据有限时表现良好，降低了对大规模标注数据的依赖。

知道该查什么

SHAP解释识别出驾驶员状态和车辆状况是最关键因素，安全检查可以优先关注这两项，提高效率。

应用场景

• 危险品运输风险管理：预测初始事故状态，提前干预高风险运输任务，降低泄漏和爆炸风险。
• 交通安全监测：重点监控驾驶员状态和车辆状况，优化路检资源分配。
• 智能决策支持：输出关键因素排序，辅助安全管理人员制定检查优先级。