論文の概要: Navigating Spatial Inequities in Freight Truck Crash Severity via Counterfactual Inference in Los Angeles
- arxiv url: http://arxiv.org/abs/2411.17554v1
- Date: Tue, 26 Nov 2024 16:15:49 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-11-27 13:34:04.901804
- Title: Navigating Spatial Inequities in Freight Truck Crash Severity via Counterfactual Inference in Los Angeles
- Title（参考訳）: ロサンゼルスにおける虚偽推論による貨物トラック衝突事故の空間的不等式の探索
- Authors: Yichen Wang, Hao Yin, Yifan Yang, Chenyang Zhao, Siqin Wang,
- Abstract要約: 本研究は, 社会経済的格差, 道路インフラ, 環境条件が貨物トラック事故の地理的分布と重大さに与える影響を解析した。
その結果, 人口密度, 所得水準, マイノリティの異なる地域において, 衝突重大度の空間的格差が顕著であった。
この発見は、道路インフラ、照明、交通制御システムの強化を示唆する、目標、位置特異的な政策介入に関する洞察を与える。
- 参考スコア（独自算出の注目度）: 14.393170221970713
- License:
- Abstract: Freight truck-related crashes pose significant challenges, leading to substantial economic losses, injuries, and fatalities, with pronounced spatial disparities across different regions. This study adopts a transport geography perspective to examine spatial justice concerns by employing deep counterfactual inference models to analyze how socioeconomic disparities, road infrastructure, and environmental conditions influence the geographical distribution and severity of freight truck crashes. By integrating road network datasets, socioeconomic attributes, and crash records from the Los Angeles metropolitan area, this research provides a nuanced spatial analysis of how different communities are disproportionately impacted. The results reveal significant spatial disparities in crash severity across areas with varying population densities, income levels, and minority populations, highlighting the pivotal role of infrastructural and environmental improvements in mitigating these disparities. The findings offer insights into targeted, location-specific policy interventions, suggesting enhancements in road infrastructure, lighting, and traffic control systems, particularly in low-income and minority-concentrated areas. This research contributes to the literature on transport geography and spatial equity by providing data-driven insights into effective measures for reducing spatial injustices associated with freight truck-related crashes.
- Abstract（参考訳）: 貨物トラック関連の事故は重大な問題を引き起こし、経済的損失、負傷、死亡に至る。
本研究は, 交通空間の空間的不安を, 社会経済的格差, 道路インフラ, 環境条件が貨物トラック事故の地理的分布と重大さにどのように影響するかを解析するために, 深い反実的推論モデルを用いて検討する。
この研究は、ロサンゼルス大都市圏の道路ネットワークデータセット、社会経済的属性、およびクラッシュ記録を統合することで、異なる地域社会がいかに不均等に影響を与えているかの微妙な空間分析を提供する。
その結果, 人口密度, 所得水準, マイノリティの異なる地域において, 衝突重大度の空間的格差は顕著であり, これらの格差を緩和する上でのインフラ的・環境的改善の重要な役割を浮き彫りにした。
この調査結果は、特に低所得と少数集中地域において、道路インフラ、照明、交通制御システムの強化を示唆する、目標とする、位置特異的な政策介入に関する洞察を与える。
本研究は,貨物トラックの事故に伴う空間的不公平を軽減するための効果的な対策について,データ駆動による洞察を提供することにより,交通地理と空間的公平性に関する文献に貢献する。
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) - Improving Traffic Flow Predictions with SGCN-LSTM: A Hybrid Model for Spatial and Temporal Dependencies [55.2480439325792]
本稿ではSGCN-LSTM(Signal-Enhanced Graph Convolutional Network Long Short Term Memory)モデルを提案する。
PEMS-BAYロードネットワークトラフィックデータセットの実験は、SGCN-LSTMモデルの有効性を示す。
論文 参考訳（メタデータ） (2024-11-01T00:37:00Z) - IBB Traffic Graph Data: Benchmarking and Road Traffic Prediction Model [0.24999074238880487]
道路交通渋滞予測はインテリジェント交通システムにおいて重要な要素である。
IBB Traffic Graphデータセットは、2451の異なる場所で収集されたセンサーデータをカバーしている。
本稿では,機能工学を通して時間的リンクを強化する道路交通予測モデルを提案する。
論文 参考訳（メタデータ） (2024-08-02T05:23:19Z) - Heterogeneous Graph Neural Networks with Post-hoc Explanations for Multi-modal and Explainable Land Use Inference [11.753345219488745]
本稿では、異種グラフニューラルネットワーク(HGN)と説明可能なAI技術を組み合わせた土地利用推定のための説明可能なフレームワークを提案する。
実験により、提案したHGNは6つの土地利用指標すべてに対して、ベースライングラフニューラルネットワークを著しく上回っていることが示された。
これらの分析は,提案したHGNが都市計画や政策立案において,都市利害関係者を適切に支援できることを示した。
論文 参考訳（メタデータ） (2024-06-19T17:39:10Z) - 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) - ML4EJ: Decoding the Role of Urban Features in Shaping Environmental
Injustice Using Interpretable Machine Learning [1.616733806935934]
本研究は, 大気汚染, 都市熱, 洪水の3つの主要な危険因子の曝露格差に対する各種都市特性の影響を解析するために, 解釈可能な機械学習モデルを構築した。
この性能は、都市の特徴の変化が環境の危険度にどの程度の違いがあるかを測定するために用いられる。
本研究から得られた知見は, 都市の特徴と環境リスク曝露格差との相互作用について, 新たな視点を与えるものである。
論文 参考訳（メタデータ） (2023-10-03T22:48:58Z) - 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) - Estimating Geographic Spillover Effects of COVID-19 Policies From
Large-Scale Mobility Networks [54.90772000796717]
郡レベルの政策は地域間の柔軟性を提供するが、地理的な流出がある場合には効果が低下する可能性がある。
我々は、数十億のタイムスタンプを持つ移動ネットワークを用いて、流出量を推定する。
郡レベルの制限は、モビリティを減らすための州全体の制限と同等に有効である。
論文 参考訳（メタデータ） (2022-12-12T20:16:54Z) - HintNet: Hierarchical Knowledge Transfer Networks for Traffic Accident
Forecasting on Heterogeneous Spatio-Temporal Data [17.345649325770957]
交通事故予測は交通管理と公共安全にとって重要な問題である。
交通事故の発生は、空間的・時間的特徴間の複雑な依存関係に影響される。
近年の交通事故予測手法では, 深層学習モデルによる精度向上が試みられている。
論文 参考訳（メタデータ） (2022-03-07T02:11:04Z) - An Experimental Urban Case Study with Various Data Sources and a Model
for Traffic Estimation [65.28133251370055]
我々はスイスのチューリッヒの都市ネットワーク内の地域でビデオ計測による実験キャンペーンを組織した。
我々は,既存のサーマルカメラからの測定を確実にすることで,交通の流れや走行時間の観点からの交通状況の把握に注力する。
本稿では,様々なデータソースの融合による移動時間を推定するために,単純かつ効率的な多重線形回帰(MLR)モデルを提案する。
論文 参考訳（メタデータ） (2021-08-02T08:13:57Z) - Impacts of shared autonomous vehicles: Tradeoff between parking demand
reduction and congestion increase [0.0]
共有自動運転車(SAV)は、民間車両を置き換えることで、輸送システムと土地利用に大きな影響を与える可能性がある。
本研究では,SAVの局所的な影響をシミュレーションにより推定する。
論文 参考訳（メタデータ） (2021-04-30T14:16:47Z)
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。