論文の概要: Non-Linear Determinants of Pedestrian Injury Severity: Evidence from Administrative Data in Great Britain

• arxiv url: http://arxiv.org/abs/2512.04022v1
• Date: Wed, 03 Dec 2025 17:59:46 GMT
• ステータス: 情報取得中
• システム内更新日: 2025-12-04 12:02:28.571636
• Title: Non-Linear Determinants of Pedestrian Injury Severity: Evidence from Administrative Data in Great Britain
• Title（参考訳）: 歩行者傷害重症度の非線形決定要因:イギリスにおける行政データから
• Authors: Yifei Tong,
• Abstract要約: 本研究では,イギリスの2023 STATS19データセットから得られた管理データを用いて,歩行者の重度の非線形決定因子について検討した。 モード計算とSMOTE(Synthetic Minority Over-Sampling)を利用した厳密な前処理パイプラインを用いる。 分析の結果,車両数,速度制限,照明,路面条件が重度の予測因子であることがわかった。
• 参考スコア（独自算出の注目度）: 2.28438857884398
• License:
• Abstract: This study investigates the non-linear determinants of pedestrian injury severity using administrative data from Great Britain's 2023 STATS19 dataset. To address inherent data-quality challenges, including missing information and substantial class imbalance, we employ a rigorous preprocessing pipeline utilizing mode imputation and Synthetic Minority Over-sampling (SMOTE). We utilize non-parametric ensemble methods (Random Forest and XGBoost) to capture complex interactions and heterogeneity often missed by linear models, while Shapley Additive Explanations are employed to ensure interpretability and isolate marginal feature effects. Our analysis reveals that vehicle count, speed limits, lighting, and road surface conditions are the primary predictors of severity, with police attendance and junction characteristics further distinguishing severe collisions. Spatially, while pedestrian risk is concentrated in dense urban Local Authority Districts (LADs), we identify that certain rural LADs experience disproportionately severe outcomes conditional on a collision occurring. These findings underscore the value of combining spatial analysis with interpretable machine learning to guide geographically targeted speed management, infrastructure investment, and enforcement strategies.
• Abstract（参考訳）: 本研究では,イギリスにおける2023 STATS19データセットの行政データを用いて,歩行者の重度の非線形決定要因について検討した。 本研究では,モデム計算とSMOTE(Synthetic Minority Over-Sampling)を利用した厳密な前処理パイプラインを用いて,情報不足やクラス不均衡といったデータ品質の問題に対処する。 我々は非パラメトリックアンサンブル法(ランサムフォレスト法とXGBoost法)を用いて複雑な相互作用と不均一性を線形モデルによってしばしば欠落させるのに対して、Shapley Additive Explanations は解釈可能性を確保し、限界特徴効果を分離するために用いられる。 本分析により, 車両数, 速度制限, 照明条件, 路面条件が重度の予測因子であり, 警察の入場や接合特性が重度の衝突をさらに区別していることが明らかとなった。 人口密集都市地方自治体(LADs)に歩行者のリスクが集中している一方で、ある農村のLADが衝突の発生に条件付きで不均等に深刻な結果を経験していると認識している。 これらの知見は,空間分析と解釈可能な機械学習を組み合わせることで,地理的に対象とする速度管理,インフラ投資,執行戦略をガイドする価値を裏付けるものである。

関連論文リスト

• Isolation-based Spherical Ensemble Representations for Anomaly Detection [60.989157958972356]
  不正検出、ネットワークセキュリティ、ログ監視を対象とするアプリケーションによるデータマイニングと管理において、異常検出は重要なタスクである。 既存の教師なし異常検出手法は、分散仮定の矛盾、計算の非効率性、異なる異常型を扱う難しさなど、基本的な課題に直面している。 Isolation-based Spherical Ensemble Representations (ISER) は, 局所密度特性のプロキシとしてハイパースフィアラジイを用いて, 線形時間と定数空間の複雑さを保ちながら, 既存の分離法を拡張したものである。
  論文  参考訳（メタデータ） (2025-10-15T09:00:05Z)
• Spatial Association Between Near-Misses and Accident Blackspots in Sydney, Australia: A Getis-Ord $G_i^*$ Analysis [3.0928226965455154]
  車両テレマティクスの普及は、積極的な安全へのパラダイムシフトの機会を与える。 本稿では,事故記録とニアミスイベントの一致と不一致を解析するための空間統計的枠組みを提案する。 結果は、トランスポート当局がリアクティブから積極的な安全管理戦略に移行するための、データ駆動の方法論を提供する。
  論文  参考訳（メタデータ） (2025-06-03T19:58:56Z)
• Inverse Reinforcement Learning for Minimum-Exposure Paths in Spatiotemporally Varying Scalar Fields [49.1574468325115]
  このようなパスのトレーニングデータセットに類似した最小露出パスのデータセットを合成する問題を考える。 本論文の主な貢献は、この問題を解決するための逆強化学習(IRL)モデルである。 提案したIRLモデルは,トレーニングデータセットにない初期条件から経路を合成する際の優れた性能を提供する。
  論文  参考訳（メタデータ） (2025-03-09T13:30:11Z)
• 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)
• Urban Traffic Accident Risk Prediction Revisited: Regionality, Proximity, Similarity and Sparsity [18.566139471849844]
  交通事故は人間の健康と財産の安全に重大な危険をもたらす。 交通事故を防ぐために、リスクを予測することで関心が高まっている。 望ましい予測ソリューションは、交通事故の複雑さに対するレジリエンスを示すべきである、と我々は主張する。
  論文  参考訳（メタデータ） (2024-07-29T03:10:15Z)
• 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)
• Measuring Adversarial Datasets [28.221635644616523]
  研究者は、標準的なベンチマークデータセットでは明らかにできないモデル欠陥をキャプチャするために、さまざまな逆データセットをキュレートした。 これらの敵対的変換の意図的かつ意図しない結果を測定する方法はまだ存在しない。 NLPタスクのテキストインスタンスを記述した既存の定量化指標の体系的な調査を行った。
  論文  参考訳（メタデータ） (2023-11-06T22:08:16Z)
• Seeing is not Believing: Robust Reinforcement Learning against Spurious Correlation [57.351098530477124]
  国家の異なる部分には、保存されていない共同設立者が引き起こす相関関係が存在しない。 このような役に立たないあるいは有害な相関を学習するモデルは、テストケースの共同創設者がトレーニングケースから逸脱したときに破滅的に失敗する可能性がある。 したがって、単純かつ非構造的な不確実性集合を仮定する既存の頑健なアルゴリズムは、この問題に対処するには不十分である。
  論文  参考訳（メタデータ） (2023-07-15T23:53:37Z)
• Novel features for the detection of bearing faults in railway vehicles [88.89591720652352]
  我々は,Mel-Frequency Cepstral Coefficients (MFCCs) とAmplitude Modulation Spectrogram (AMS) から抽出した特徴を,軸受欠陥の検出のための特徴として紹介する。
  論文  参考訳（メタデータ） (2023-04-14T10:09:50Z)

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。