論文の概要: A Dimensionality-Reduced XAI Framework for Roundabout Crash Severity Insights

• arxiv url: http://arxiv.org/abs/2509.12524v1
• Date: Mon, 15 Sep 2025 23:59:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-17 17:50:52.814176
• Title: A Dimensionality-Reduced XAI Framework for Roundabout Crash Severity Insights
• Title（参考訳）: 衝突の度合いを概観する次元再現型XAIフレームワーク
• Authors: Rohit Chakraborty, Subasish Das,
• Abstract要約: この研究は、2段階の説明可能なワークフローを使用して、2017-2021年のオハイオのラウンドアバウト事故を分析した。 その後、木に基づく重度モデルをSHAPで解釈し、パターン内およびパターン間の障害の要因を定量化する。 その結果、暗黒、濡れた表面、ポストされた速度は固定物体や角度のイベントと一致し、クリアで低速な設定では深刻度が低下した。
• 参考スコア（独自算出の注目度）: 1.089614199781423
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Roundabouts reduce severe crashes, yet risk patterns vary by conditions. This study analyzes 2017-2021 Ohio roundabout crashes using a two-step, explainable workflow. Cluster Correspondence Analysis (CCA) identifies co-occurring factors and yields four crash patterns. A tree-based severity model is then interpreted with SHAP to quantify drivers of injury within and across patterns. Results show higher severity when darkness, wet surfaces, and higher posted speeds coincide with fixed-object or angle events, and lower severity in clear, low-speed settings. Pattern-specific explanations highlight mechanisms at entries (fail-to-yield, gap acceptance), within multi-lane circulation (improper maneuvers), and during slow-downs (rear-end). The workflow links pattern discovery with case-level explanations, supporting site screening, countermeasure selection, and audit-ready reporting. The contribution to Information Systems is a practical template for usable XAI in public safety analytics.
• Abstract（参考訳）: ラウンドアバウンドは深刻なクラッシュを減らすが、リスクパターンは条件によって異なる。 この研究は、2段階の説明可能なワークフローを使用して、2017-2021年のオハイオのラウンドアバウト事故を分析した。 クラスタ対応分析(CCA)は、共起要因を特定し、4つのクラッシュパターンを生成する。 その後、木に基づく重度モデルをSHAPで解釈し、パターン内およびパターン間の障害の要因を定量化する。 その結果、暗黒、濡れた表面、ポストされた速度は固定物体や角度のイベントと一致し、クリアで低速な設定では深刻度が低下した。 パターン固有の説明は、エントリー(Fail-to-yield、ギャップ受容)、マルチレーン循環(Inproper maneuvers)、スローダウン(Rear-end)におけるメカニズムを強調している。 このワークフローは、パターン発見とケースレベルの説明、サイトスクリーニングのサポート、対策選択、監査対応レポートとをリンクする。 インフォメーションシステムへの貢献は、公共安全分析において使えるXAIの実践的なテンプレートである。

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)
• EQ-TAA: Equivariant Traffic Accident Anticipation via Diffusion-Based Accident Video Synthesis [79.25588905883191]
  交通現場における交通事故予測(TAA)は, 今後ゼロ死亡率を達成する上で, 課題となる。 本稿では,追加の事故ビデオクリップを合成するAVDモデルを提案する。
  論文  参考訳（メタデータ） (2025-03-16T01:56:38Z)
• Feature Group Tabular Transformer: A Novel Approach to Traffic Crash Modeling and Causality Analysis [0.40964539027092917]
  本研究では,複数のソースから融合した包括的データセットを用いて,衝突のタイプを予測する新しい手法を提案する。 我々のアプローチの中心は、異なるデータを有意な特徴群に整理する特徴群タブラルトランスフォーマー(FGTT)モデルの開発である。 FGTTモデルは、ランダムフォレスト、XGBoost、CatBoostなど、広く使われているツリーアンサンブルモデルと比較され、優れた予測性能を示している。
  論文  参考訳（メタデータ） (2024-12-06T20:47:13Z)
• 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)
• Inferring Heterogeneous Treatment Effects of Crashes on Highway Traffic: A Doubly Robust Causal Machine Learning Approach [15.717402981513812]
  本稿では,高速道路における各種事故の因果的影響を推定する新しい因果的機械学習フレームワークを提案する。 ワシントン州のハイウェイ州間高速道路5号線で発生した4815件の事故実験の結果、様々な距離と時間における事故の不均一な処理効果が明らかになった。
  論文  参考訳（メタデータ） (2024-01-01T15:03:14Z)
• 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)
• Crash Report Data Analysis for Creating Scenario-Wise, Spatio-Temporal Attention Guidance to Support Computer Vision-based Perception of Fatal Crash Risks [8.34084323253809]
  本稿では,致命的な事故報告データからシナリオ的,時空間的注意誘導というデータ分析モデルを開発した。 検出されたオブジェクトの環境からの致命的なクラッシュとコンテキスト情報との関係を推定する。 本研究は, 予備CVモデルの設計と実装において, 改良された注意指導がいかに役立つかを示す。
  論文  参考訳（メタデータ） (2021-09-06T19:43:37Z)
• 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。