論文の概要: Preliminary Analysis of Construction Work Zone on Roadways in Florida by Crash Severity

• arxiv url: http://arxiv.org/abs/2507.08869v1
• Date: Wed, 09 Jul 2025 17:52:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-15 18:48:21.657944
• Title: Preliminary Analysis of Construction Work Zone on Roadways in Florida by Crash Severity
• Title（参考訳）: 事故重大度によるフロリダ州の道路建設作業区域の予備解析
• Authors: Tatiana Deslouches, Doreen Kobelo Regalado, Mohamed Khalafalla, Tejal Mulay,
• Abstract要約: フロリダ州では、特に都市部では、道路建設作業地区の死者と重傷が重要な問題となっている。 2019年から2023年までの分析では、フロリダ州の労働地帯で毎年71人が死亡し、309人が重傷を負っている。 リスクの高い郡としてはオレンジ郡、ブロワード郡、デュバル郡、ヒルズボロ郡、パスコ郡、マイアミ・デイド郡、セミノール郡、マナティー郡、パームビーチ郡、レイク郡がある。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Construction zones are inherently hazardous, posing significant risks to construction workers and motorists. Despite existing safety measures, construction zones continue to witness fatalities and serious injuries, imposing economic burdens. Addressing these issues requires understanding root causes and implementing preventive strategies centered around the 4Es (Engineering, Education, Enforcement, Emergency Response) and 4Is (Information Intelligence, Innovation, Insight into communities, Investment, and Policies). Proper safety management, integrating these strategic initiatives, aims to reduce and potentially eliminate fatalities and serious injuries in work zones. In Florida, road construction work zone fatalities and serious injuries remain a critical concern, especially in urban counties. Despite a 12 billion dollars infrastructure investment in 2022, Florida ranks eighth nationally for fatal work zone crashes involving commercial motor vehicles (CMVs). Analysis from 2019 to 2023 shows an average of 71 fatalities and 309 serious injuries annually in Florida work zones, reflecting a persistent safety challenge. High-risk counties include Orange, Broward, Duval, Hillsborough, Pasco, Miami-Dade, Seminole, Manatee, Palm Beach, and Lake. This study presents a preliminary analysis of work zone crashes in Broward, Duval, Hillsborough, and Orange counties. A multilogit model assessed attributes contributing to fatalities and serious injuries, such as crash type, weather and light conditions, work zone type, type of shoulder, presence of workers, and law enforcement. Results indicate significant contributing factors, highlighting opportunities to use machine learning for alerting drivers and construction managers, ultimately enhancing safety protocols and reducing fatalities.
• Abstract（参考訳）: 建設ゾーンは本質的に危険であり、建設労働者や自動車に重大なリスクをもたらす。 既存の安全対策にもかかわらず、建設ゾーンは死傷者や重傷者を目撃し続け、経済的負担を課している。 これらの問題に対処するには、根本原因を理解し、4E(エンジニアリング、教育、執行、緊急対応)と4I(情報インテリジェンス、イノベーション、コミュニティへの洞察、投資、政策)を中心とした予防戦略を実施する必要がある。 適切な安全管理は、これらの戦略的イニシアチブを統合することで、ワークゾーンにおける致命傷や重傷を減らし、潜在的に排除することを目的としている。 フロリダ州では、特に都市部では、道路建設作業地区の死者と重傷が重要な問題となっている。 2022年に120億ドルのインフラ投資があったにも拘わらず、フロリダ州は商業用自動車(CMV)による致命的な労働ゾーンの事故で国内第8位である。 2019年から2023年までの分析では、フロリダの労働地帯で毎年71人が死亡し、309人が重傷を負っている。 リスクの高い郡としてはオレンジ郡、ブロワード郡、デュバル郡、ヒルズボロ郡、パスコ郡、マイアミ・デイド郡、セミノール郡、マナティー郡、パームビーチ郡、レイク郡がある。 本研究は,ブロワード郡,デュバル郡,ヒルズボロ郡,オレンジ郡における労働ゾーンの崩壊に関する予備分析を行った。 マルチロジットモデルでは、クラッシュタイプ、天候と光条件、ワークゾーンタイプ、肩の種類、労働者の存在、法執行機関など、死亡率や重傷の原因となる属性を評価した。 結果は、重要な貢献要因を示し、ドライバーや建設マネージャの警告に機械学習を使用する機会を強調し、最終的に安全プロトコルを強化し、死亡率を減らすことを示しています。

関連論文リスト

• 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)
• Reducing Urban Speed Limits Decreases Work-Related Traffic Injury Severity: Evidence from Santiago, Chile [0.49478969093606673]
  本研究では,チリのサンティアゴにおける10年間の労働関連交通事故データを分析した。 我々は,2018年都市速度制限法が事故重大度に与える影響を評価する。 都市交通制限の削減は、都市部で発生した事故に対する所定の医療休暇の4.26日間の短縮に関連している。
  論文  参考訳（メタデータ） (2024-08-01T16:29:35Z)
• 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)
• RACER: Epistemic Risk-Sensitive RL Enables Fast Driving with Fewer Crashes [57.319845580050924]
  本稿では,リスク感応制御と適応行動空間のカリキュラムを組み合わせた強化学習フレームワークを提案する。 提案アルゴリズムは,現実世界のオフロード運転タスクに対して,高速なポリシーを学習可能であることを示す。
  論文  参考訳（メタデータ） (2024-05-07T23:32:36Z)
• Assessing the Brittleness of Safety Alignment via Pruning and Low-Rank Modifications [69.13807233595455]
  大きな言語モデル(LLM)は、その安全性メカニズムに固有の脆さを示す。 本研究では, プルーニングと低ランク改造を利用した安全アライメントの脆性について検討した。 安全クリティカル領域への変更が制限された場合でも,LSMは低コストの微調整攻撃に対して脆弱であることを示す。
  論文  参考訳（メタデータ） (2024-02-07T18:34:38Z)
• 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)
• Infrastructure-based End-to-End Learning and Prevention of Driver Failure [68.0478623315416]
  フェールネットは、規模が拡大したミニ都市において、名目上と無謀なドライバーの両方の軌道上で、エンドツーエンドでトレーニングされた、繰り返しニューラルネットワークである。 制御障害、上流での認識エラー、ドライバーのスピードを正確に識別し、名目運転と区別することができる。 速度や周波数ベースの予測器と比較すると、FailureNetのリカレントニューラルネットワーク構造は予測能力を向上し、ハードウェアにデプロイすると84%以上の精度が得られる。
  論文  参考訳（メタデータ） (2023-03-21T22:55:51Z)
• 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)
• Datacentric analysis to reduce pedestrians accidents: A case study in Colombia [0.0]
  2012年以降、ブカラマンガ・コロンビアのケーススタディでは179人の歩行者が自動車事故で死亡し、さらに2873人が負傷した。 この研究は、都市の事故率を減らし、新しい安全政策を導入することを提案することで、生活を救うためのシミュレーションを実装している。 シミュレーションによって検証された最初の最も効率的な安全方針は、交差点が事故率を80%削減する前に特定の場所でスピードバンプを構築することです。
  論文  参考訳（メタデータ） (2021-04-02T06:59:50Z)
• From Static to Dynamic Prediction: Wildfire Risk Assessment Based on Multiple Environmental Factors [69.9674326582747]
  ワイルドファイアはアメリカ合衆国西海岸で頻繁に起こる最大の災害の1つである。 カリフォルニアの山火事リスクが高い地域を解析・評価するための静的・動的予測モデルを提案します。
  論文  参考訳（メタデータ） (2021-03-14T17:56:17Z)
• Simulation Pipeline for Traffic Evacuation in Urban Areas and Emergency Traffic Management Policy Improvements through Case Studies [17.548969917692506]
  交通避難は、ハリケーン、山火事、洪水、地震などの災害で生活を救う上で重要な役割を担っている。 我々は、地図作成、需要発生、車両の挙動、ボトルネック識別、交通管理ポリシーの改善、結果分析など、避難のさまざまな側面を探索する交通シミュレーションパイプラインを構築している。 このパイプラインをカリフォルニアの2つのケーススタディに適用する。
  論文  参考訳（メタデータ） (2020-02-14T03:03:31Z)

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。