［基金项目］教育部产学合作协同育人教学内容和课程体系改革项目“Ｐｙｔｈｏｎ３入门机器学习”（项目编号：２０２１０２０４１００３）；成都市交通和旅游大数据应用技术研究项目“新发展理念下的共享汽车调度策略研究”（项目编号：２０２２１１７）。［作者简介］任小强（１９８９—），男，西南交通大学希望学院信息工程系讲师，硕士，主要从事机器学习和云计算研究。基于改进ＬｉｇｈｔＧＢＭ的车辆碰撞检测模型研究任小强，王东灿，王浩宇，林慧琼（西南交通大学希望学院信息工程系，四川成都６１０４００）［摘要］针对传统车辆碰撞检测方法中存在的周期长、成本高、准确率低，以及易陷入局部最优等问题，本文提出基于改进ＬｉｇｈｔＧＢＭ算法的车辆碰撞检测模型，进行数据清洗、构建特征工程，使用贝叶斯算法优化ＬｉｇｈｔＧＢＭ超参数，将ＬｉｇｈｔＧＢＭ与ＬＲ、ＳＶＭ、ＲＦ及ＸＧｂｏｏｓｔ模型进行对比。模型仿真结果显示，ＬｉｇｈｔＧＢＭ预测模型表现最优，精确度、召回率与Ｆ１Ｓｃｏｒｅ分别为０９３、０９４和０９３，可以有效引导企业开展用户关怀和事故救援。［关键词］车辆；碰撞检测；特征工程；轻量级梯度提升机［中图分类号］ＴＰ３９１［文献标志码］Ａ［文章编号］２０９６９５０３（２０２３）０３００８７０５［收稿日期］２０２３－０２－１３一、引言随着人们生活水平的提高，汽车数量越来越多，车辆碰撞情况时有发生，并经常会造成财产损失和人员死亡，如何精准检测车辆是否发生碰撞具有重要研究意义，但是车辆信息数据庞杂，而且用户路况信息和用户使用偏好不同，很难找到一种准确识别碰撞的方法。传统的车辆碰撞识别方法需要大量的人力物力，周期长，成本高。蒋红亮采用图像检测和分割算法对车辆碰撞进行检测识别［１］，马小龙等通过ＧＰＤ建立制动减速度分布模型，得到车辆的碰撞概率［２］，高利等建立环境复杂度量化模型，使得碰撞预警的准确率达９２％［３］，宋鑫利用智慧灯杆物联网数据采集平台，解决极端复杂环境下的车辆碰撞检测这一难题［４］。近年来，现代学者利用新方法进行研究，并取得一定成果，特别是机器学习的快速发展促进了相关算法在智能交通领域中应用研究。国内外学者提出了集成学习模型，作为一种低廉高效的车辆碰撞检测方法，如ＲａｎｄｏｍＦｏｒｅｓｔ、ＡｄａＢｏｏｓｔ和ＸＧＢｏｏｓｔ等。虽然这些模型在车辆碰撞检测中取得了不错的效果，但是相对而言，增加了...
