基于高维小样本数据的道路事故关键诱因识别方法

本发明提供基于高维小样本数据的道路事故关键诱因识别方法，解决现有事故分析模型在处理高维小样本数据时的预测精度低、泛化能力不足和关键诱因识别不准确的问题。主要内容包括：1)针对小样本数据特征，提出了一种基于逻辑加和逻辑减的特征组合算法，以增强数据的解释性；2)结合LightGBM和Shapley值方法，开发了关键事故诱因识别算法；3)将特征组合算法和事故诱因识别算法集成至统一框架，构建了一种适用于高维小样本数据的关键诱因识别体系。通过实际事故数据验证，本发明显著提升了高维小样本事故数据的解释力和模型预测性能，能够有效识别事故关键诱因，为道路事故分析提供了科学依据。