本研究利用關聯規則探勘（ARM）方法分析印度喜馬偕爾邦533起山區彎路正面碰撞事故，以識別導致嚴重事故的高階互動風險組合。研究固定事故嚴重程度為結果變項，探索3因子及4因子的互動模式，發現特定駕駛行為（如超速、未讓行）、道路幾何（如曲率半徑小、視距不足）、環境條件（如雨天、霧氣）與交通流特徵的組合，顯著提高事故嚴重度。支持度≥2%、信心度≥50%、提升度≥1.3的規則被視為高風險情境。此方法揭示傳統迴歸模型易忽略的非線性複雜互動，為預防性道路設計與駕駛員警示提供新視角。
- 山區彎路正面碰撞的嚴重程度受駕駛員、道路、環境與交通因素的高階互動（3-4因子）顯著影響
- 特定組合如『超速 + 小曲率半徑 + 雨天 + 高交通密度』顯著提升事故嚴重度（提升度>1.3）
- 關聯規則探勘能有效捕捉傳統統計模型難以偵測的非線性風險組合
- 空間關係指標（如彎道前後視距連續性）是預測高風險情境的重要變項
🏥 臨床 / 實務應用
雖未直接測量路怒或攻擊性駕駛，但研究結果可用於設計道路環境介入：在高風險彎路段安裝動態速度回饋標誌、改善視距、加強雨天道路標線，可減少因環境誘導導致的危險駕駛決策，間接降低因挫敗或時間壓力引發的攻擊性駕駛觸發機會。建議未來研究將駕駛憤怒量表（如DAS）併入ARM分析，探索情緒狀態如何與道路特徵互動增碰撞風險。
周邊研究
環境與氣候