論文の概要: Causal factors discovering from Chinese construction accident cases
- arxiv url: http://arxiv.org/abs/2105.01227v1
- Date: Tue, 4 May 2021 00:36:17 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-05 13:00:29.998038
- Title: Causal factors discovering from Chinese construction accident cases
- Title(参考訳): 中国の建設事故事例から見つかる因果要因
- Authors: Zi-jian Ni, Wei Liu
- Abstract要約: 中国では2012年以来、建設事故で他のどの産業よりも多くの人が死亡している。
一連のNLP技術を用いて,中国の事例文から建設事故の原因要因を抽出,整理した。
- 参考スコア(独自算出の注目度): 8.16738303617052
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In China, construction accidents have killed more people than any other
industry since 2012. The factors which led to the accident have complex
interaction. Real data about accidents is the key to reveal the mechanism among
these factors. But the data from the questionnaire and interview has inherent
defects. Many behaviors that impact safety are illegal. In China, most of the
cases are from accident investigation reports. Finding out the cause of the
accident and liability affirmation are the core of incident investigation
reports. So the truth of some answers from the respondents is doubtful. With a
series of NLP technologies, in this paper, causal factors of construction
accidents are extracted and organized from Chinese incident case texts.
Finally, three kinds of neglected causal factors are discovered after data
analysis.
- Abstract(参考訳): 中国では2012年以来、建設事故で他のどの産業よりも多くの人が死亡している。
事故の原因となる要因は複雑な相互作用である。
事故に関する実際のデータが、これらの要因のメカニズムを明らかにする鍵となる。
しかし、アンケートとインタビューのデータには固有の欠陥がある。
安全に影響を与える多くの行動は違法である。
中国では、ほとんどのケースは事故調査報告によるものです。
事故の原因の発見と責任確認は、インシデント調査レポートの中核である。
ですから、回答者の回答の真実は疑わしいものです。
本稿では,一連のNLP技術を用いて,中国の事例文から建設事故の因果要因を抽出し,整理する。
最後に、データ分析後に3種類の無視因果因子が検出される。
関連論文リスト
- Abductive Ego-View Accident Video Understanding for Safe Driving
Perception [75.60000661664556]
マルチモーダル・アクシデント・ビデオ理解のための新しいデータセットMM-AUを提案する。
MM-AUには1,727件の映像が収録されている。
安全運転認識のための誘導型事故映像理解フレームワーク(AdVersa-SD)を提案する。
論文 参考訳(メタデータ) (2024-03-01T10:42:52Z) - Anatomy of a Robotaxi Crash: Lessons from the Cruise Pedestrian Dragging
Mishap [1.0878040851637998]
2023年10月、GMクルーズのロボタクシーとサンフランシスコの歩行者が衝突し、重傷を負っただけでなく、劇的な大怪我を負った。
問題は、事故の事実そのものだけでなく、Cruiseが事故後最初の停止後に歩行者を車の下に引きずり込むロボットタクシーをどう扱ったかにも起因している。
我々は、技術、運用上の安全プラクティス、インシデントに対する組織的反応について、学習されるかもしれない安全性の教訓を探求する。
論文 参考訳(メタデータ) (2024-02-08T20:37:51Z) - 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) - Large Language Models in Analyzing Crash Narratives -- A Comparative
Study of ChatGPT, BARD and GPT-4 [0.0]
交通安全研究において,テキスト分析を用いた事故談話から情報を抽出することが一般的である。
本研究は、ChatGPT, BARD, GPT4の3つのLLMインタフェースを用いている。
LLMの全体的な類似性は, 70%, 35%, 96%, 89%であった。
論文 参考訳(メタデータ) (2023-08-25T00:09:16Z) - Exploring Machine Learning Techniques to Identify Important Factors
Leading to Injury in Curve Related Crashes [0.4129225533930965]
本研究は, 交通事故に関連する重要な要因を変数として考慮し, 車両の損傷の有無を予測変数として検討することにより, 問題点を解消しようとするものである。
本研究は、米国各州の交通事故関連データを含む国家道路交通安全局(NHTSA)のCRSSデータを用いた。
分析の結果,損傷の程度,事故前イベント,事故前位置,道路記述,道路表面条件,事故月,最初の有害事象,車両数,回避操作の試み,道路勾配が車両数に影響を与えることが明らかとなった。
論文 参考訳(メタデータ) (2023-01-04T13:07:28Z) - Cognitive Accident Prediction in Driving Scenes: A Multimodality
Benchmark [77.54411007883962]
本研究では,視覚的観察と運転者の注意に対する人為的な文章記述の認識を効果的に活用し,モデルトレーニングを容易にする認知事故予測手法を提案する。
CAPは、注意テキスト〜ビジョンシフト融合モジュール、注意シーンコンテキスト転送モジュール、運転注意誘導事故予測モジュールによって構成される。
我々は,1,727件の事故ビデオと219万フレーム以上の大規模ベンチマークを構築した。
論文 参考訳(メタデータ) (2022-12-19T11:43:02Z) - Modelling and Detection of Driver's Fatigue using Ontology [60.090278944561184]
道路事故は世界8大死因である。
様々な要因がドライバーの疲労の原因となっている。
ドライバの疲労検出に関するオントロジー知識とルールをインテリジェントシステムに統合する必要がある。
論文 参考訳(メタデータ) (2022-08-31T08:42:28Z) - Mining Root Cause Knowledge from Cloud Service Incident Investigations
for AIOps [71.12026848664753]
サービス破壊インシデントの根本原因分析(RCA)は、ITプロセスにおける最も重要かつ複雑なタスクの1つです。
本研究では、Salesforceで構築されたICAと、ダウンストリームのインシデントサーチとレトリーバルベースのRCAパイプラインについて紹介する。
論文 参考訳(メタデータ) (2022-04-21T02:33:34Z) - Everything Has a Cause: Leveraging Causal Inference in Legal Text
Analysis [62.44432226563088]
因果推論は変数間の因果関係を捉えるプロセスである。
本論文では,事実記述から因果グラフを構築するための新たなグラフベース因果推論フレームワークを提案する。
GCIに含まれる因果知識を強力なニューラルネットワークに効果的に注入することで、パフォーマンスと解釈性が向上します。
論文 参考訳(メタデータ) (2021-04-19T16:13:10Z) - Data Mining and Visualization to Understand Accident-prone Areas [0.0]
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。
論文 参考訳(メタデータ) (2021-03-11T18:11:23Z) - 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)
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。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。