論文の概要: Recent Advances in Traffic Accident Analysis and Prediction: A Comprehensive Review of Machine Learning Techniques
- arxiv url: http://arxiv.org/abs/2406.13968v1
- Date: Thu, 20 Jun 2024 03:22:32 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-21 17:27:03.313742
- Title: Recent Advances in Traffic Accident Analysis and Prediction: A Comprehensive Review of Machine Learning Techniques
- Title（参考訳）: 交通事故解析と予測の最近の進歩: 機械学習技術の概要
- Authors: Noushin Behboudi, Sobhan Moosavi, Rajiv Ramnath,
- Abstract要約: 交通事故は世界中で深刻な公衆衛生問題を引き起こし、毎年119万人が死亡している。
本稿では,交通事故解析と予測に機械学習(ML)技術を適用した最近の進歩を概観する。
本研究は,現在の景観のマッピングと文献のギャップの同定により,2030年までに交通事故や交通事故を著しく減らすための今後の研究を導くことを目的としている。
- 参考スコア（独自算出の注目度）: 1.6385815610837167
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Traffic accidents pose a severe global public health issue, leading to 1.19 million fatalities annually, with the greatest impact on individuals aged 5 to 29 years old. This paper addresses the critical need for advanced predictive methods in road safety by conducting a comprehensive review of recent advancements in applying machine learning (ML) techniques to traffic accident analysis and prediction. It examines 191 studies from the last five years, focusing on predicting accident risk, frequency, severity, duration, as well as general statistical analysis of accident data. To our knowledge, this study is the first to provide such a comprehensive review, covering the state-of-the-art across a wide range of domains related to accident analysis and prediction. The review highlights the effectiveness of integrating diverse data sources and advanced ML techniques to improve prediction accuracy and handle the complexities of traffic data. By mapping the current landscape and identifying gaps in the literature, this study aims to guide future research towards significantly reducing traffic-related deaths and injuries by 2030, aligning with the World Health Organization (WHO) targets.
- Abstract（参考訳）: 交通事故は世界中で深刻な公衆衛生問題を引き起こし、5歳から29歳の個人に最も大きな影響を及ぼし、毎年119万人が死亡している。
本稿では,交通事故解析と予測に機械学習(ML)技術を適用した最近の進歩を包括的にレビューすることで,道路安全における高度な予測手法の必要性に対処する。
事故のリスク、頻度、重大さ、期間、および事故データの一般的な統計分析に焦点をあてて、過去5年間に191件の研究を調査した。
本研究は,事故解析と予測に関する幅広い領域にわたる技術の現状を網羅した,このような総合的なレビューを初めて行ったものである。
このレビューでは、予測精度を改善し、トラフィックデータの複雑さを扱うために、多様なデータソースと高度なML技術を統合することの有効性を強調している。
本研究は、現在の状況のマッピングと文献のギャップの特定により、2030年までに交通事故による死亡・負傷を著しく減らし、世界保健機関(WHO)の目標と整合し、今後の研究を導くことを目的としている。
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) - Exploring the Determinants of Pedestrian Crash Severity Using an AutoML Approach [0.0]
この研究は、さまざまな説明変数がクラッシュ結果に与える影響を評価するためにAutoMLを使用している。
この研究は、予測モデルにおける個々の特徴の寄与を解釈するために、SHAP(SHapley Additive exPlanations)を組み込んだ。
論文 参考訳（メタデータ） (2024-06-07T22:02:36Z) - Machine Learning to Promote Translational Research: Predicting Patent
and Clinical Trial Inclusion in Dementia Research [0.0]
認知症は、2040年までに英国で6100万人に影響を及ぼし、年間25億ポンドの費用がかかると予想されている。
1990～2023年の間に、イギリスの認知症研究出版物43,091件からDmensionsデータベースを用いてデータを抽出した。
特許の予測では、受信者動作特性曲線(AUROC)の精度は0.84と77.17%であり、臨床試験の精度は0.81と75.11%である。
論文 参考訳（メタデータ） (2024-01-10T13:25:49Z) - Machine Learning for Autonomous Vehicle's Trajectory Prediction: A
comprehensive survey, Challenges, and Future Research Directions [3.655021726150368]
AVの文脈における軌道予測に関する200以上の研究について検討した。
本総説では,いくつかの深層学習手法を総合的に評価する。
既存の文献の課題を特定し,潜在的研究の方向性を概説することにより,AV軌道予測領域における知識の進歩に大きく貢献する。
論文 参考訳（メタデータ） (2023-07-12T10:20:19Z) - Traffic Prediction using Artificial Intelligence: Review of Recent
Advances and Emerging Opportunities [2.5199066832791535]
本調査は,交通予測手法の概要を概観することを目的としている。
具体的には、人工知能(AI)に基づく交通予測手法の最近の進歩と新たな研究機会に焦点を当てる。
論文 参考訳（メタデータ） (2023-05-31T06:25:19Z) - A Survey on Computer Vision based Human Analysis in the COVID-19 Era [58.79053747159797]
新型コロナウイルスの出現は、社会全体だけでなく、個人の生活にも大きく影響している。
マスクやソーシャルディスタンシングの義務、公共空間での定期消毒、スクリーニングアプリケーションの使用など、さまざまな予防策が世界中で導入されている。
これらの発展は、(i)視覚データの自動解析による予防対策の支援、(ii)生体認証などの既存の視覚ベースのサービスの正常な操作を容易にする、新しいコンピュータビジョン技術の必要性を喚起した。
論文 参考訳（メタデータ） (2022-11-07T17:20:39Z) - Predicting Seriousness of Injury in a Traffic Accident: A New Imbalanced
Dataset and Benchmark [62.997667081978825]
本稿では,交通事故における傷害の重大性を予測するために,機械学習アルゴリズムの性能を評価する新しいデータセットを提案する。
データセットは、英国運輸省から公開されているデータセットを集約することで作成される。
論文 参考訳（メタデータ） (2022-05-20T21:15:26Z) - 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) - UNITE: Uncertainty-based Health Risk Prediction Leveraging Multi-sourced
Data [81.00385374948125]
我々はUNcertaInTyベースのhEalth Risk Prediction(UNITE)モデルを提案する。
UNITEは、複数ソースの健康データを活用した正確な疾患リスク予測と不確実性推定を提供する。
非アルコール性脂肪肝疾患(NASH)とアルツハイマー病(AD)の実態予測タスクにおけるUNITEの評価を行った。
UNITEはAD検出のF1スコアで最大0.841点、NASH検出のPR-AUCで最大0.609点を達成し、最高のベースラインで最大19%の高パフォーマンスを達成している。
論文 参考訳（メタデータ） (2020-10-22T02:28:11Z) - A self-supervised neural-analytic method to predict the evolution of
COVID-19 in Romania [10.760851506126105]
我々は、感染症の古典的な確立されたモデルであるSEIRの改良版を使用している。
本稿では,修正SEIRモデルパラメータの正しいセットを推定するために,深層畳み込みネットワークを訓練するための自己教師型アプローチを提案する。
ルーマニアの死亡率が約0.3%である場合、楽観的な結果が得られ、我々のモデルが今後最大3週間の日々の死亡数を正確に予測できることを示した。
論文 参考訳（メタデータ） (2020-06-23T12:00:04Z) - Enabling Counterfactual Survival Analysis with Balanced Representations [64.17342727357618]
生存データは様々な医学的応用、すなわち薬物開発、リスクプロファイリング、臨床試験で頻繁に見られる。
本稿では,生存結果に適用可能な対実的推論のための理論的基盤を持つ統一的枠組みを提案する。
論文 参考訳（メタデータ） (2020-06-14T01:15:00Z)
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。