arXivに投稿された新しい研究は、樹木関連交通事故のリスク要因を特定・定量化するハイブリッド予測フレームワークを提案している。樹木関連衝突は路外逸脱事故の重要なサブセットであり、高エネルギー衝撃により致命傷や重傷を引き起こすことが多い。研究チームは、2020年から2023年の衝突報告サンプリングシステム（CRSS）データベースを用い、多段階モデリング手法を採用した。まず、機械学習ベースのCatBoost分類モデルで、衝突傷害の重症度（致命傷または不能傷害 vs. 非不能傷害または可能性傷害）に関連する主要因子を特定。次にSHAPツールで主要因子の限界効果を定量化・可視化。さらに二項ロジスティック回帰モデルで因子効果を推定しSHAPの重要度を検証。最後にSHAP相互作用プロットで主要因子の複合効果を調べた。
結果、シートベルト非使用が最も影響力のある予測因子であり、非着用者は放出リスクにより重症結果が約3倍になることが判明。車齢、速度超過、運転手の障害も顕著な効果を示し、耐衝突性の低下、衝撃力の増大、制御能力の低下を反映。照明条件と車齢、速度超過と照明条件、シートベルト使用と車齢、路面と速度超過の間に重要な相互作用が認められ、特定の相互作用によるリスクの相加効果が示された。例えば、夜間や低照度下では、車齢の高い車両と速度超過が組み合わさると重症リスクが顕著に上昇する。
これらの知見は、シートベルト取り締まりの強化、視界不良時の速度管理、車両近代化など、安全システムに基づく的を絞った介入に重要な洞察を提供する。研究は、多因子相互作用を考慮した事故防止戦略の重要性を強調し、機械学習と統計手法の組み合わせが交通安全分野で有効であることを示している。