世界卫生组织报告显示,交通事故已成为人类死亡的第8大原因,更是导致5-29岁青少年死亡的头号杀手,占到全球死亡人数的2.5%。因此,研究车辆碰撞的影响因素,有针对性地开展驾车宣传教育,对于降低车辆碰撞风险具有重要的社会意义。此外,随着近年来基于驾驶行为的UBI车险的兴起,对车辆碰撞严重程度的预测,同样具有广阔的商业前景。基于对历史文献的研究,本文发现两个值得进一步研究的方向:其一,现有的车辆碰撞因素的研究并没有全面地考虑主观因素和客观因素,同时随着新数据源的引入,已研究的因素也有值得进一步挖掘的空间。其二,在汽车碰撞预测方面,现有研究主要预测车辆是否会发生碰撞,但对无碰撞、普通碰撞和严重碰撞等碰撞程度预测的研究不足。而碰撞程度的预测对于驾乘人员的人身和财产影响是巨大的。针对以上的研究方向,本文以上海地区的数据为样本,利用大数据技术,综合分析车辆的驾驶行为、养护行为、驾驶环境等多维数据,挖掘影响车辆碰撞的新关键因素,并在此基础上构建基于机器学习技术的车辆碰撞严重程度的预测模型。主要的研究方法及内容如下:首先,利用新数据源,构建数据集,并对特征进行预处理。本文除了引入目前碰撞研究和车险定价应用较多的车辆基本信息、车联网驾控数据、天气数据之外,也纳入了相对少有研究的车联网GPS数据、车联网碰撞数据以及售后保养数据。在特征预处理阶段,分别进行缺失值填充、归一化处理、虚拟变量设置、数据分箱等操作,以生成最适合模型训练的数据集。其次,从用车习惯因素和驾驶时空因素两个角度出发,建立预测车辆碰撞严重程度的模型,挖掘对于车辆碰撞的高影响特征组和特征变量。本文构建了77个特征变量,并根据业务背景和特征属性,将其划分为七个特征组,分别为车速特征组、加速度特征组、转弯特征组、养护特征组、恶劣天气特征组、陌生环境特征组和驾驶时间特征组。基于这些特征组和特征变量,本文提出了两种预测车辆碰撞严重程度的分类模型:一种是层次二分类模型,即先分类是否发生碰撞,再区分碰撞的严重程度;另一种是三分类模型,即直接进行无碰撞、普通碰撞和严重碰撞的分类。然后,通过实验挖掘高影响的特征组和特征变量,其实验步骤是:第一步,将前人研究过的特征组作为基础特征组,建立基本模型;第二步,按照用车习惯因素和驾驶时空因素两个维度,分别加入待研究的特征组和特征变量,得到高影响特征组和高影响特征变量;第三步,将所有特征组以排列组合的形式依次加入基本模型中,以分析各个特征组之间的组合效应,挖掘最高效的特征组组合。在整体模型实验中,为了避免因某些偶然性造成的实验误差,我们采用了多模型、多评价指标、多次实验等方法规避相关误差风险。最后,基于计量经济学模型,研究车辆碰撞影响因素之间的交互效应。本文通过实验研究,发现养护特征和恶劣天气特征的两两组合,对于预测车辆碰撞具有非常明显的、超过其他任何两两特征组合的提升效果。那么,为什么它们之间的组合会产生这样的效果,其内在机制是什么,即是一个非常值得探讨的问题。本文基于计量经济学模型对于这一问题进行了研究。基于以上的研究方法,本文得到以下四个研究结果:第一,本文所建立的预测模型能够较好地实现车辆碰撞严重程度的预测。三个模型对于“无碰撞、普通碰撞、严重碰撞”的预测,平均AUC都在0.72-0.83之间,预测效果较好。第二,在影响碰撞的主观因素中,车辆养护习惯是影响碰撞最为重要的特征,其中“平均的保养时间间隔”是最高影响的单一变量。第三,在影响碰撞的客观因素中,恶劣天气出行是影响碰撞最为重要的特征,其中“低温出行”是最高影响的单一变量。第四,通过对养护特征组和恶劣天气特征组之间交互效应的研究,发现:（1）保养数量的调节作用:较高的保养频次会减弱恶劣天气对车辆碰撞的影响;（2）保养质量的调节作用:较高的保养质量会弱化恶劣天气对车辆碰撞的影响。该结果对进一步厘清影响车辆碰撞的特征之间的相互关系,解释其作用机理提供了方向。综上所述,本文对目前车辆碰撞预测还未深入研究的方面进行了探讨,实现了以下三点创新:1、通过引入新数据源,挖掘出了影响车辆碰撞的新特征。2、提出了基于机器学习的车辆碰撞严重程度的预测模型。3、提出了车辆碰撞影响特征的组合调节效应。这些都给保险公司在UBI车险的定价策略和成本控制策略上提供了有价值的启示。