論文の概要: Impact of Event Encoding and Dissimilarity Measures on Traffic Crash
Characterization Based on Sequence of Events
- arxiv url: http://arxiv.org/abs/2302.11077v1
- Date: Wed, 22 Feb 2023 00:38:15 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-23 16:46:46.695864
- Title: Impact of Event Encoding and Dissimilarity Measures on Traffic Crash
Characterization Based on Sequence of Events
- Title（参考訳）: イベントのシーケンスに基づく交通事故評価におけるイベントエンコーディングと異種度対策の影響
- Authors: Yu Song, Madhav V. Chitturi, David A. Noyce
- Abstract要約: 符号化と相似性測定がクラッシュシーケンス解析およびクラスタリングに与える影響を評価した。
イベントとドメインコンテキストの関係を考慮に入れた相似性尺度は、クラッシュシーケンスクラスタリングにおいてよく機能する傾向にある。
- 参考スコア（独自算出の注目度）: 2.9490178116901165
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Crash sequence analysis has been shown in prior studies to be useful for
characterizing crashes and identifying safety countermeasures. Sequence
analysis is highly domain-specific, but its various techniques have not been
evaluated for adaptation to crash sequences. This paper evaluates the impact of
encoding and dissimilarity measures on crash sequence analysis and clustering.
Sequence data of interstate highway, single-vehicle crashes in the United
States, from 2016-2018, were studied. Two encoding schemes and five optimal
matching based dissimilarity measures were compared by evaluating the sequence
clustering results. The five dissimilarity measures were categorized into two
groups based on correlations between dissimilarity matrices. The optimal
dissimilarity measure and encoding scheme were identified based on the
agreements with a benchmark crash categorization. The transition-rate-based,
localized optimal matching dissimilarity and consolidated encoding scheme had
the highest agreement with the benchmark. Evaluation results indicate that the
selection of dissimilarity measure and encoding scheme determines the results
of sequence clustering and crash characterization. A dissimilarity measure that
considers the relationships between events and domain context tends to perform
well in crash sequence clustering. An encoding scheme that consolidates similar
events naturally takes domain context into consideration.
- Abstract（参考訳）: クラッシュシークエンス解析は、衝突の特徴付けや安全対策の特定に有用であることが、以前の研究で示されている。
シーケンス解析は非常にドメイン固有であるが、その様々な技術はクラッシュシーケンスへの適応には評価されていない。
本稿では,符号化と異種度測定がクラッシュシーケンス解析およびクラスタリングに与える影響を評価する。
2016-2018年にアメリカ合衆国で発生した高速道路と単車衝突の頻度について調査した。
2つの符号化方式と5つの最適マッチングに基づく異種性尺度をシーケンスクラスタリングの結果を評価して比較した。
5つの相似性尺度を相似性行列の相関関係に基づいて2つのグループに分類した。
ベンチマーククラッシュ分類の合意に基づいて, 最適異種性尺度と符号化方式を同定した。
トランジッションレートに基づく、局所化された最適マッチングの相違点と統合エンコーディング方式は、ベンチマークと最も一致した。
評価の結果,異種度尺度と符号化方式の選択により,シーケンスクラスタリングの結果とクラッシュ特性が決定されることがわかった。
イベントとドメインコンテキストの関係を考慮する異種性尺度は、クラッシュシーケンスクラスタリングでうまく機能する傾向がある。
類似したイベントを統合する符号化スキームは、自然にドメインコンテキストを考慮する。
関連論文リスト
- Semiparametric conformal prediction [79.6147286161434]
リスクに敏感なアプリケーションは、複数の、潜在的に相関したターゲット変数に対して、よく校正された予測セットを必要とする。
スコアをランダムなベクトルとして扱い、それらの連接関係構造を考慮した予測セットを構築することを目的とする。
実世界のレグレッション問題に対して,所望のカバレッジと競争効率について報告する。
論文 参考訳（メタデータ） (2024-11-04T14:29:02Z) - Characterizing the Optimal 0-1 Loss for Multi-class Classification with
a Test-time Attacker [57.49330031751386]
我々は,任意の離散データセット上の複数クラス分類器に対するテスト時間攻撃の存在下での損失に対する情報理論的下位境界を求める。
本稿では,データと敵対的制約から競合ハイパーグラフを構築する際に発生する最適0-1損失を求めるための一般的なフレームワークを提供する。
論文 参考訳（メタデータ） (2023-02-21T15:17:13Z) - Robust Consensus Clustering and its Applications for Advertising
Forecasting [18.242055675730253]
我々は,専門家の意見に共通する根拠となる真実を見出すことのできる,ロバストなコンセンサスクラスタリングという新しいアルゴリズムを提案する。
提案手法を実世界の広告キャンペーンセグメンテーションと予測タスクに適用する。
論文 参考訳（メタデータ） (2022-12-27T21:49:04Z) - Large-Scale Sequential Learning for Recommender and Engineering Systems [91.3755431537592]
本稿では,現在の状況に適応してパーソナライズされたランキングを提供する自動アルゴリズムの設計に焦点を当てる。
前者はSAROSと呼ばれる新しいアルゴリズムを提案し,インタラクションの順序を学習するためのフィードバックの種類を考慮に入れている。
提案手法は, 電力網の故障検出に対する初期アプローチと比較して, 統計的に有意な結果を示す。
論文 参考訳（メタデータ） (2022-05-13T21:09:41Z) - Clustering Algorithms to Analyze the Road Traffic Crashes [0.4697611383288171]
本稿では,クラスター事故発生地域に適用した既存手法の問題点を解析する。
ノイズのあるアプリケーションの密度ベースの空間クラスタリング(DBSCAN)と、それらを克服するためにクラスタ構造(OPTICS)を識別するための順序付けポイントを使用することを推奨している。
論文 参考訳（メタデータ） (2021-08-07T17:37:41Z) - An empirical investigation of different classifiers, encoding and
ensemble schemes for next event prediction using business process event logs [10.6739220877743]
ビジネスプロセス予測モニタリングにおける次のイベント予測タスクについて検討する。
我々は、異なるエンコーディングウィンドウの性能への影響を研究することで、以前公表したベンチマークを拡張した。
論文 参考訳（メタデータ） (2020-08-24T23:44:06Z) - Robust Grouped Variable Selection Using Distributionally Robust
Optimization [11.383869751239166]
摂動下での群付き変数選択のための不確実性セットを用いた分布ロバスト最適化(DRO)の定式化を提案する。
我々は,サンプル外損失と推定バイアスの確率的境界を証明し,推定器の群化効果を確立する。
我々の定式化は,群レベルでの空間性を促進する解釈可能で同相なモデルを生成することを示す。
論文 参考訳（メタデータ） (2020-06-10T22:32:52Z) - Robustness Verification for Classifier Ensembles [3.5884936187733394]
堅牢性チェック問題は、ランダムな攻撃が存在するかどうかに関わらず、分類器とラベル付きデータセットのセットを与えられた評価によって成る。
問題のNP硬度を示し、最適なランダム化攻撃を形成するのに十分な攻撃数に上限を与える。
プロトタイプ実装では、画像分類タスクのために訓練された複数のニューラルネットワークアンサンブルを検証する。
論文 参考訳（メタデータ） (2020-05-12T07:38:43Z) - Optimization of Graph Total Variation via Active-Set-based Combinatorial
Reconditioning [48.42916680063503]
本稿では,この問題クラスにおける近位アルゴリズムの適応型事前条件付け手法を提案する。
不活性エッジのネスト・フォレスト分解により局所収束速度が保証されることを示す。
この結果から,局所収束解析は近似アルゴリズムにおける可変指標選択の指針となることが示唆された。
論文 参考訳（メタデータ） (2020-02-27T16:33:09Z) - Clustering Binary Data by Application of Combinatorial Optimization
Heuristics [52.77024349608834]
本稿では,2値データのクラスタリング手法について検討し,まず,クラスタのコンパクトさを計測するアグリゲーション基準を定義した。
近隣地域と人口動態最適化メタヒューリスティックスを用いた5つの新しいオリジナル手法が導入された。
準モンテカルロ実験によって生成された16のデータテーブルから、L1の相似性と階層的クラスタリング、k-means(メドイドやPAM)の1つのアグリゲーションの比較を行う。
論文 参考訳（メタデータ） (2020-01-06T23:33:31Z) - Adaptive Correlated Monte Carlo for Contextual Categorical Sequence
Generation [77.7420231319632]
我々は,モンテカルロ (MC) ロールアウトの集合を分散制御のために評価する政策勾配推定器に,カテゴリー列の文脈的生成を適用する。
また,二分木ソフトマックスモデルに相関したMCロールアウトを用いることで,大語彙シナリオにおける高生成コストを低減できることを示す。
論文 参考訳（メタデータ） (2019-12-31T03:01:55Z)
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。