論文の概要: Unlocking Insights Addressing Alcohol Inference Mismatch through Database-Narrative Alignment
- arxiv url: http://arxiv.org/abs/2506.19342v1
- Date: Tue, 24 Jun 2025 06:13:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-25 19:48:23.509061
- Title: Unlocking Insights Addressing Alcohol Inference Mismatch through Database-Narrative Alignment
- Title(参考訳): データベース・ナラティブ・アライメントによるアルコール推定ミスマッチの解法
- Authors: Sudesh Bhagat, Raghupathi Kandiboina, Ibne Farabi Shihab, Skylar Knickerbocker, Neal Hawkins, Anuj Sharma,
- Abstract要約: 本研究は,事故データ中のAIMを識別するためにデータベースナラティブアライメントを用いたアルコール推定ミスマッチ(AIM)の課題に対処する。
アイオワ州で発生した371,062件の事故記録から、2,767件のAIM事故が判明し、全体のAIMの割合は24.03%となった。
その結果、アルコール関連の致命的な事故や夜間の事故はミスマッチの比率が低いのに対し、未知の車種や古いドライバーを含む事故はミスマッチのリスクが高いことが示唆された。
- 参考スコア(独自算出の注目度): 1.6713804578878912
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Road traffic crashes are a significant global cause of fatalities, emphasizing the urgent need for accurate crash data to enhance prevention strategies and inform policy development. This study addresses the challenge of alcohol inference mismatch (AIM) by employing database narrative alignment to identify AIM in crash data. A framework was developed to improve data quality in crash management systems and reduce the percentage of AIM crashes. Utilizing the BERT model, the analysis of 371,062 crash records from Iowa (2016-2022) revealed 2,767 AIM incidents, resulting in an overall AIM percentage of 24.03%. Statistical tools, including the Probit Logit model, were used to explore the crash characteristics affecting AIM patterns. The findings indicate that alcohol-related fatal crashes and nighttime incidents have a lower percentage of the mismatch, while crashes involving unknown vehicle types and older drivers are more susceptible to mismatch. The geospatial cluster as part of this study can identify the regions which have an increased need for education and training. These insights highlight the necessity for targeted training programs and data management teams to improve the accuracy of crash reporting and support evidence-based policymaking.
- Abstract(参考訳): 道路交通事故は死者の重大な世界的原因であり、予防戦略の強化と政策開発に正確な事故データを緊急に必要とすることを強調している。
本研究は,事故データ中のAIMを識別するためにデータベース・ナラティブ・アライメントを用いたアルコール推定ミスマッチ(AIM)の課題に対処する。
クラッシュ管理システムのデータ品質を改善し、AIMクラッシュの割合を減らすためのフレームワークが開発された。
BERTモデルを用いて、アイオワ州(2016-2022年)の371,062件の衝突記録を分析した結果、2,767件のAIM事故が判明し、全体としては24.03%となった。
Probit Logitモデルを含む統計ツールを使用して、AIMパターンに影響を与えるクラッシュ特性を探索した。
その結果、アルコール関連の致命的な事故や夜間の事故はミスマッチの比率が低いのに対し、未知の車種や古いドライバーを含む事故はミスマッチのリスクが高いことが示唆された。
本研究の一環として地理空間クラスタは,教育・訓練の必要性が高まる地域を特定することができる。
これらの洞察は、クラッシュレポートの正確性を改善し、エビデンスベースのポリシー作成をサポートするために、目標とするトレーニングプログラムとデータ管理チームの必要性を強調している。
関連論文リスト
- Towards Reliable and Interpretable Traffic Crash Pattern Prediction and Safety Interventions Using Customized Large Language Models [14.53510262691888]
TrafficSafeは、テキストレベルの推論として、再フレームのクラッシュ予測と機能属性に適応するフレームワークである。
飲酒運転が深刻な事故の要因となっている。
TrafficSafeは、戦略的クラッシュデータ収集の改善を導くモデルトレーニングにおいて、重要な機能を強調している。
論文 参考訳(メタデータ) (2025-05-18T21:02:30Z) - Advanced Crash Causation Analysis for Freeway Safety: A Large Language Model Approach to Identifying Key Contributing Factors [0.0]
本研究は,大規模言語モデル(LLM)を利用して高速道路の事故データを解析し,それに応じて事故原因分析を行う。
微調整されたLlama3 8Bモデルは、ゼロショット分類によって事前にラベル付けされたデータなしでクラッシュ因果を識別するために使用された。
その結果, LLMはアルコール欠乏運転, スピード, 積極的運転, 運転不注意などの事故原因を効果的に同定できることが示唆された。
論文 参考訳(メタデータ) (2025-05-15T04:07:55Z) - An Explainable Machine Learning Approach to Traffic Accident Fatality Prediction [0.02730969268472861]
道路交通事故は世界中で公衆衛生上の脅威となっている。
本研究では,致命的および致命的でない道路事故を分類するための機械学習に基づくアプローチを提案する。
論文 参考訳(メタデータ) (2024-09-18T12:41:56Z) - 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) - ACAV: A Framework for Automatic Causality Analysis in Autonomous Vehicle
Accident Recordings [5.578446693797519]
近年の死者は、大規模な検査による安全性検証の重要性を強調している。
本稿では,AV事故記録の因果解析を行うための自動フレームワークACAVを提案する。
我々はアポロADSでACAVを評価し、110件の事故記録の93.64%で5種類の因果事象を特定できることを発見した。
論文 参考訳(メタデータ) (2024-01-13T12:41:05Z) - Comparability of Automated Vehicle Crash Databases [0.0]
本稿では,現在の運転自動化(DA)とベースラインの人間駆動型クラッシュデータベースについて概説する。
また,事故記録から車両識別番号(VIN)を用いて車両の自動化能力を決定する方法についても検討した。
クラッシュデータ収集は、自動露出データの収集、クラッシュデータの広範な収集と電子データレコーダ、クラッシュ定義の標準化によって改善することができる。
論文 参考訳(メタデータ) (2023-08-01T16:23:06Z) - Automatic Root Cause Analysis via Large Language Models for Cloud
Incidents [51.94361026233668]
クラウドインシデントの根本原因分析を自動化するために,大規模言語モデルによって強化されたオンコールシステムであるRCACopilotを紹介する。
RCACopilotは、入ってくるインシデントと、そのアラートタイプに基づいて対応するインシデントハンドラとをマッチングし、クリティカルランタイム診断情報を集約し、インシデントの根本原因カテゴリを予測し、説明的な物語を提供する。
Microsoftから1年分のインシデントからなる実世界のデータセットを使用してRCACopilotを評価する。
論文 参考訳(メタデータ) (2023-05-25T06:44:50Z) - 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) - 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。