論文の概要: An interpretable clustering approach to safety climate analysis: examining driver group distinction in safety climate perceptions

• arxiv url: http://arxiv.org/abs/2310.19841v1
• Date: Mon, 30 Oct 2023 07:53:42 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-01 18:28:14.637894
• Title: An interpretable clustering approach to safety climate analysis: examining driver group distinction in safety climate perceptions
• Title（参考訳）: 安全気候分析への解釈可能なクラスタリングアプローチ--安全気候認識におけるドライバグループ識別の検討
• Authors: Kailai Sun, Tianxiang Lan, Yang Miang Goh, Sufiana Safiena, Yueng-Hsiang Huang, Bailey Lytle, Yimin He
• Abstract要約: この研究は、安全気候の認識に基づいて、トラック運転手をクラスタリングするための5つのアルゴリズムを比較した。 本研究では,クラスタリングの結果をよりよく解釈するために,異なる解釈可能な機械学習手法を導入する。 様々なドライバーグループを区別する上で、監督ケアの促進が重要な役割を担っている。
• 参考スコア（独自算出の注目度）: 2.155083987188202
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The transportation industry, particularly the trucking sector, is prone to workplace accidents and fatalities. Accidents involving large trucks accounted for a considerable percentage of overall traffic fatalities. Recognizing the crucial role of safety climate in accident prevention, researchers have sought to understand its factors and measure its impact within organizations. While existing data-driven safety climate studies have made remarkable progress, clustering employees based on their safety climate perception is innovative and has not been extensively utilized in research. Identifying clusters of drivers based on their safety climate perception allows the organization to profile its workforce and devise more impactful interventions. The lack of utilizing the clustering approach could be due to difficulties interpreting or explaining the factors influencing employees' cluster membership. Moreover, existing safety-related studies did not compare multiple clustering algorithms, resulting in potential bias. To address these issues, this study introduces an interpretable clustering approach for safety climate analysis. This study compares 5 algorithms for clustering truck drivers based on their safety climate perceptions. It proposes a novel method for quantitatively evaluating partial dependence plots (QPDP). To better interpret the clustering results, this study introduces different interpretable machine learning measures (SHAP, PFI, and QPDP). Drawing on data collected from more than 7,000 American truck drivers, this study significantly contributes to the scientific literature. It highlights the critical role of supervisory care promotion in distinguishing various driver groups. The Python code is available at https://github.com/NUS-DBE/truck-driver-safety-climate.
• Abstract（参考訳）: 交通産業、特にトラック産業は、職場での事故や死亡の傾向にある。 大型トラックによる事故は、全体の死者のかなりの割合を占めた。 事故防止における安全気候の重要な役割を認識した研究者は、その要因を理解し、組織内の影響を測定することを試みた。 既存のデータ駆動型安全気候研究は目覚ましい進歩を遂げているが、従業員の安全気候認識に基づくクラスタリングは革新的であり、研究に広く活用されていない。 安全気候の認識に基づいてドライバーのクラスターを識別することで、組織は従業員をプロファイルし、より影響力のある介入を考案することができる。 クラスタリングアプローチの欠如は、従業員のクラスタメンバシップに影響を与える要因の解釈や説明が難しいためかもしれない。 さらに、既存の安全関連研究は複数のクラスタリングアルゴリズムを比較しておらず、潜在的なバイアスをもたらした。 これらの問題に対処するために,安全気候分析のための解釈可能なクラスタリング手法を提案する。 本研究は,トラックドライバーの安全環境に対する認識に基づいて5つのアルゴリズムを比較したものである。 部分依存プロット(QPDP)を定量的に評価する手法を提案する。 クラスタリングの結果をよりよく解釈するために,様々な解釈可能な機械学習尺度(shap,pfi,qpdp)を導入する。 7000人以上のアメリカのトラック運転手から収集されたデータに基づいて、この研究は科学文献に大きく貢献している。 様々なドライバーグループを区別する上で、監督ケアの促進が重要な役割を担っている。 Pythonコードはhttps://github.com/NUS-DBE/truck-driver-safety-climateで入手できる。

関連論文リスト

• Traffic and Safety Rule Compliance of Humans in Diverse Driving Situations [48.924085579865334]
  安全な運転プラクティスを再現する自律システムを開発するためには、人間のデータを分析することが不可欠だ。 本稿では,複数の軌道予測データセットにおける交通・安全規則の適合性の比較評価を行う。
  論文  参考訳（メタデータ） (2024-11-04T09:21:00Z)
• 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)
• AccidentGPT: Accident Analysis and Prevention from V2X Environmental Perception with Multi-modal Large Model [32.14950866838055]
  AccidentGPTは総合的な事故解析とマルチモーダル大模型の予防である。 自律走行車では、車両を制御し衝突を避けるための総合的な環境認識と理解を提供する。 人間の運転する車には、プロアクティブな長距離安全警告と盲点警告を提供します。 我々のフレームワークは、歩行者、車両、道路、環境を含む交通安全のインテリジェントでリアルタイムな分析を支援する。
  論文  参考訳（メタデータ） (2023-12-20T16:19:47Z)
• DRUformer: Enhancing the driving scene Important object detection with driving relationship self-understanding [50.81809690183755]
  交通事故はしばしば致命傷を負い、2023年まで5000万人以上の死者を出した。 従来の研究は、主に個々の参加者の重要性を評価し、それらを独立した存在として扱うものであった。 本稿では、重要な物体検出タスクを強化するために、運転シーン関連自己理解変換器(DRUformer)を紹介する。
  論文  参考訳（メタデータ） (2023-11-11T07:26:47Z)
• A Counterfactual Safety Margin Perspective on the Scoring of Autonomous Vehicles' Riskiness [52.27309191283943]
  本稿では,異なるAVの行動のリスクを評価するためのデータ駆動型フレームワークを提案する。 本稿では,衝突を引き起こす可能性のある名目行動から最小限の偏差を示す,対実的安全マージンの概念を提案する。
  論文  参考訳（メタデータ） (2023-08-02T09:48:08Z)
• Evaluating the reliability of automatically generated pedestrian and bicycle crash surrogates [0.491574468325115]
  Vulnerable Road Users (VRU) は、自動車の事故に巻き込まれるリスクが高い。 信号交差点は、その複雑でダイナミックな性質のため、VRUにとって大きな安全上の懸念事項である。 本研究は, 自動生成サロゲートの信頼性を検証し, 衝突を予測した。
  論文  参考訳（メタデータ） (2023-07-24T23:57:29Z)
• Studying the Impact of Semi-Cooperative Drivers on Overall Highway Flow [76.38515853201116]
  半協調行動は、人間ドライバーの本質的な性質であり、自律運転には考慮すべきである。 新たな自律型プランナーは、社会的に準拠した軌道を生成するために、人間のドライバーの社会的価値指向(SVO)を考慮することができる。 エージェントが反復的最適応答のゲーム理論バージョンをデプロイする暗黙的な半協調運転について検討する。
  論文  参考訳（メタデータ） (2023-04-23T16:01:36Z)
• Evaluating Model-free Reinforcement Learning toward Safety-critical Tasks [70.76757529955577]
  本稿では、国家安全RLの観点から、この領域における先行研究を再考する。 安全最適化と安全予測を組み合わせた共同手法であるUnrolling Safety Layer (USL)を提案する。 この領域のさらなる研究を容易にするため、我々は関連するアルゴリズムを統一パイプラインで再現し、SafeRL-Kitに組み込む。
  論文  参考訳（メタデータ） (2022-12-12T06:30:17Z)
• 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)
• Analyzing vehicle pedestrian interactions combining data cube structure and predictive collision risk estimation model [5.73658856166614]
  本研究では,フィールドと集中型プロセスを組み合わせた歩行者安全システムについて紹介する。 本システムは,現場における今後のリスクを直ちに警告し,実際の衝突のない道路の安全レベルを評価することにより,危険頻繁なエリアの安全性を向上させることができる。
  論文  参考訳（メタデータ） (2021-07-26T23:00:56Z)
• Impact of risk factors on work zone crashes using logistic models and Random Forest [9.5148976460603]
  本研究は、ハイウェイI-94沿いの労働地帯で発生した2016年のミシガン州(USA)の激しい事故に焦点を当てた。 この研究は、環境、運転者、事故、道路関連変数を特徴付ける幅広い事故変数からリスク要因を特定した。
  論文  参考訳（メタデータ） (2021-04-14T00:27:11Z)

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。