Fugu-MT 論文翻訳(概要): Data Mining and Visualization to Understand Accident-prone Areas

論文の概要: Data Mining and Visualization to Understand Accident-prone Areas

arxiv url: http://arxiv.org/abs/2103.09062v1
Date: Thu, 11 Mar 2021 18:11:23 GMT
ステータス: 処理完了
システム内更新日: 2021-04-05 01:00:00.869192
Title: Data Mining and Visualization to Understand Accident-prone Areas
Title（参考訳）: 事故現場におけるデータマイニングと可視化
Authors: Md Mashfiq Rizvee and Md Amiruzzaman and Md Rajibul Islam
Abstract要約: 本稿では,データマイニングと情報可視化技術を用いて事故発生地域を同定する。発見は、ほとんどの事故が夕暮れ(午後6時から7時まで)と金曜日に起こることを示唆している。結果は、ほとんどの事故が観光の人気月である10月に発生したことを示唆しています。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this study, we present both data mining and information visualization techniques to identify accident-prone areas, most accident-prone time, day, and month. Also, we surveyed among volunteers to understand which visualization techniques help non-expert users to understand the findings better. Findings of this study suggest that most accidents occur in the dusk (i.e., between 6 to 7 pm), and on Fridays. Results also suggest that most accidents occurred in October, which is a popular month for tourism. These findings are consistent with social information and can help policymakers, residents, tourists, and other law enforcement agencies. This study can be extended to draw broader implications.
Abstract（参考訳）: 本研究では,データマイニングと情報可視化技術を用いて事故発生地域,最も事故発生時間,日,月を識別する。また, ボランティアを対象に, 非専門的な利用者がより理解しやすい可視化技術を理解するために調査を行った。この研究の発見は、ほとんどの事故は夕暮れ(すなわち午後6時から午後7時)と金曜日に起こることを示唆している。また、ほとんどの事故は10月に発生し、観光地として人気がある。これらの発見は社会情報と一致しており、政策立案者、住民、観光客、その他の法執行機関を助けることができる。この研究はより広範な意味を引き出すために拡張することができる。

関連論文リスト

Learning Traffic Crashes as Language: Datasets, Benchmarks, and What-if Causal Analyses [76.59021017301127]
我々は,CrashEventという大規模トラフィッククラッシュ言語データセットを提案し,実世界のクラッシュレポート19,340を要約した。さらに,クラッシュイベントの特徴学習を,新たなテキスト推論問題として定式化し,さらに様々な大規模言語モデル(LLM)を微調整して,詳細な事故結果を予測する。実験の結果, LLMに基づくアプローチは事故の重大度を予測できるだけでなく, 事故の種類を分類し, 損害を予測できることがわかった。
論文参考訳（メタデータ） (2024-06-16T03:10:16Z)
Big Data and Deep Learning in Smart Cities: A Comprehensive Dataset for AI-Driven Traffic Accident Detection and Computer Vision Systems [0.0]
本研究は,スマートシティにおける最先端技術の適用について考察する。本稿では,交通事故検出のための新しい包括的データセットを提案する。このデータセットは学術研究を推進し、リアルタイムの事故検出アプリケーションを強化することが期待されている。
論文参考訳（メタデータ） (2024-01-07T21:50:24Z)
Hotspot Prediction of Severe Traffic Accidents in the Federal District of Brazil [0.0]
この研究は、主に事故の集中度と、ホットスポットの予測に機械学習をどのように使用できるかに焦点を当て、研究の多様性を増す試みである。ブラジル連邦地区のデータは、法医学的な交通事故のアナリストから収集され、現地の気象状況のデータと組み合わせて、衝突のホットスポットを予測する。気象パラメーターが事故発生場所ほど重要でないことを確認し,事故発生回数を減らすために局所的な介入が重要であることを示す。
論文参考訳（メタデータ） (2023-12-28T22:13:11Z)
Using Visual and Vehicular Sensors for Driver Behavior Analysis: A Survey [0.0]
危険ドライバーは米国での死亡事故の70%を占めている。本稿では,視覚・車体データを用いた運転者の行動分析手法について検討する。
論文参考訳（メタデータ） (2023-08-25T14:33:59Z)
Deep learning based black spot identification on Greek road networks [52.77024349608834]
時間的現象であるブラックスポットの識別には、地理的な位置と時間に基づく道路事故の発生の分析が含まれる。この研究は、警察や政府発行の自動車事故レポートのデータを利用して、ギリシャの道路網の交通事故をブラックスポットの認識に焦点をあてた。
論文参考訳（メタデータ） (2023-06-19T07:08:30Z)
Prevent Car Accidents by Using AI [0.0]
このプロジェクトでは,機械学習を用いた事故予測に関する既存の研究を行っている。クラッシュデータと天気データを使って、マシンラーニングモデルをトレーニングして、クラッシュの重大度を予測し、クラッシュを削減します。
論文参考訳（メタデータ） (2022-06-19T16:19:52Z)
Drivers' attention detection: a systematic literature review [62.997667081978825]
多くの要因が運転中の注意散らしに寄与しうるが、それは物体や事象が生理的状態、つまり眠気や疲労に結びつくためであり、運転者が注意をそらすことができないからである。技術進歩により、現実の状況における注意を検知する多くのソリューションの開発と応用が可能となった。本研究は,車輪の運転者の注意を検知するための方法と基準について,システマティック文献レビュー(Systematic Literature Review)を提示する。
論文参考訳（メタデータ） (2022-04-06T11:36:40Z)
A model for traffic incident prediction using emergency braking data [77.34726150561087]
道路交通事故予測におけるデータ不足の根本的な課題を、事故の代わりに緊急ブレーキイベントをトレーニングすることで解決します。メルセデス・ベンツ車両の緊急ブレーキデータに基づくドイツにおける交通事故予測モデルを実装したプロトタイプを提案する。
論文参考訳（メタデータ） (2021-02-12T18:17:12Z)
Unveiling Spatial Patterns of Disaster Impacts and Recovery Using Credit Card Transaction Variances [1.0552465253379135]
本研究では,2017年のハリケーン・ハーベイにおけるハリス郡(テキサス州)のクレジットカード取引データを調査し,災害影響と復旧の空間的パターンについて検討した。以上の結果から,高い所得層を有するZIP法典の個人は,ほとんどの事業部門において,低所得層におけるZIP法典よりも深刻な災害の影響を受け,より迅速に回復したことが示唆された。
論文参考訳（メタデータ） (2021-01-15T16:06:33Z)
Urban Sensing based on Mobile Phone Data: Approaches, Applications and Challenges [67.71975391801257]
モバイルデータ分析における多くの関心は、人間とその行動に関連している。本研究の目的は,携帯電話データから知識を発見するために実装された手法や手法をレビューすることである。
論文参考訳（メタデータ） (2020-08-29T15:14:03Z)
A Survey on Causal Inference [64.45536158710014]
因果推論は統計学、コンピュータ科学、教育、公共政策、経済学など、多くの分野において重要な研究トピックである。観測データに対する様々な因果効果推定法が誕生した。
論文参考訳（メタデータ） (2020-02-05T21:35:29Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。