論文の概要: Exploring Machine Learning Techniques to Identify Important Factors Leading to Injury in Curve Related Crashes

• arxiv url: http://arxiv.org/abs/2301.01771v1
• Date: Wed, 4 Jan 2023 13:07:28 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-06 14:17:00.411617
• Title: Exploring Machine Learning Techniques to Identify Important Factors Leading to Injury in Curve Related Crashes
• Title（参考訳）: 曲線関連事故における損傷につながる重要な要因を識別する機械学習手法の検討
• Authors: Mehdi Moeinaddini, Mozhgan Pourmoradnasseri, Amnir Hadachi and Mario Cools
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 0.4129225533930965
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Different factors have effects on traffic crashes and crash-related injuries. These factors include segment characteristics, crash-level characteristics, occupant level characteristics, environment characteristics, and vehicle level characteristics. There are several studies regarding these factors' effects on crash injuries. However, limited studies have examined the effects of pre-crash events on injuries, especially for curve-related crashes. The majority of previous studies for curve-related crashes focused on the impact of geometric features or street design factors. The current study tries to eliminate the aforementioned shortcomings by considering important pre-crash events related factors as selected variables and the number of vehicles with or without injury as the predicted variable. This research used CRSS data from the National Highway Traffic Safety Administration (NHTSA), which includes traffic crash-related data for different states in the USA. The relationships are explored using different machine learning algorithms like the random forest, C5.0, CHAID, Bayesian Network, Neural Network, C\&R Tree, Quest, etc. The random forest and SHAP values are used to identify the most effective variables. The C5.0 algorithm, which has the highest accuracy rate among the other algorithms, is used to develop the final model. Analysis results revealed that the extent of the damage, critical pre-crash event, pre-impact location, the trafficway description, roadway surface condition, the month of the crash, the first harmful event, number of motor vehicles, attempted avoidance maneuver, and roadway grade affect the number of vehicles with or without injury in curve-related crashes.
• Abstract（参考訳）: 異なる要因が交通事故や事故に関連した傷害に影響を及ぼす。 これらの要因にはセグメント特性、クラッシュレベル特性、占有レベル特性、環境特性、車両レベル特性が含まれる。 これらの要因が墜落事故に与える影響についてはいくつかの研究がある。 しかし、特にカーブ関連事故に対する前頭蓋前イベントの影響について限定的な研究がなされている。 曲線関連事故に関する以前の研究の大半は、幾何学的特徴や路面設計要因の影響に焦点を当てていた。 本研究は、選択変数として重要な事故関連要因と予測変数として損傷の有無を考慮し、上記の欠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。 関連性はランダムフォレスト、C5.0、CHAID、ベイジアンネットワーク、ニューラルネットワーク、C\&Rツリー、Questなど、さまざまな機械学習アルゴリズムを用いて検討されている。 ランダムフォレストとSHAP値は、最も有効な変数を特定するために使用される。 他のアルゴリズムの中で最も精度が高いC5.0アルゴリズムが最終モデルの開発に使用される。 解析の結果,損傷の程度,事故前イベント,衝突前位置,交通路の説明,道路表面条件,事故の月,最初の有害事象,車両数,回避操作の試み,道路等級が曲線関連事故における車両数に影響を与えることが明らかとなった。

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)
• Inferring Heterogeneous Treatment Effects of Crashes on Highway Traffic: A Doubly Robust Causal Machine Learning Approach [15.717402981513812]
  本稿では,高速道路における各種事故の因果的影響を推定する新しい因果的機械学習フレームワークを提案する。 ワシントン州のハイウェイ州間高速道路5号線で発生した4815件の事故実験の結果、様々な距離と時間における事故の不均一な処理効果が明らかになった。
  論文  参考訳（メタデータ） (2024-01-01T15:03:14Z)
• Prediction of Crash Injury Severity in Florida's Interstate-95 [0.0]
  2016年から2021年にかけてフロリダ州州間高速道路95号線で交通事故が発生した。 交通事故の重症度を推定するために 分類法が使われました AdaboostアルゴリズムはリコールとAUCの点で他より優れていた。
  論文  参考訳（メタデータ） (2023-12-16T18:42:39Z)
• 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)
• 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)
• Behavioral Intention Prediction in Driving Scenes: A Survey [70.53285924851767]
  行動意図予測(BIP)は、人間の思考過程をシミュレートし、特定の行動の早期予測を満たす。 この作業は、利用可能なデータセット、重要な要因と課題、歩行者中心および車両中心のBIPアプローチ、BIP対応アプリケーションからのBIPの包括的なレビューを提供する。
  論文  参考訳（メタデータ） (2022-11-01T11:07:37Z)
• Causal Imitative Model for Autonomous Driving [85.78593682732836]
  慣性および衝突問題に対処するための因果Imitative Model (CIM)を提案する。 CIMは因果モデルを明確に発見し、ポリシーのトレーニングに利用します。 実験の結果,本手法は慣性および衝突速度において従来の手法よりも優れていたことがわかった。
  論文  参考訳（メタデータ） (2021-12-07T18:59:15Z)
• Causal Analysis and Classification of Traffic Crash Injury Severity Using Machine Learning Algorithms [0.0]
  この調査で使用されたデータは、2014年から2019年までの6年間にテキサス州のすべての州間高速道路で交通事故が発生した際に得られたものです。 提案手法は,致命的・重傷(KA),非重傷(BC),財産被害(PDO)の3つのクラスを含む。 Grangerの因果関係分析の結果、速度制限、表面および気象条件、交通量、ワークゾーンの存在、ワークゾーンの労働者、高占有車線(HOV)が事故の深刻度に影響を及ぼす最も重要な要因として特定された。
  論文  参考訳（メタデータ） (2021-11-30T20:32:31Z)
• Crash Report Data Analysis for Creating Scenario-Wise, Spatio-Temporal Attention Guidance to Support Computer Vision-based Perception of Fatal Crash Risks [8.34084323253809]
  本稿では,致命的な事故報告データからシナリオ的,時空間的注意誘導というデータ分析モデルを開発した。 検出されたオブジェクトの環境からの致命的なクラッシュとコンテキスト情報との関係を推定する。 本研究は, 予備CVモデルの設計と実装において, 改良された注意指導がいかに役立つかを示す。
  論文  参考訳（メタデータ） (2021-09-06T19:43:37Z)
• Human error in motorcycle crashes: a methodology based on in-depth data to identify the skills needed and support training interventions for safe riding [0.0]
  本稿では,事故発生率を抑えるため,最も高いリスククラッシュ構成において,ライダーが必要とするスキルを識別する手法を定義する。 本稿では803基の2輪車衝突事故の詳細なデータを用いたケーススタディを提案する。
  論文  参考訳（メタデータ） (2021-02-19T21:30:37Z)
• 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。