文献

J-GLOBAL ID：201502212703132712   整理番号：15A0859504

交通分析区域の水準における事故予測におけるサポートベクトルマシン:空間的近接効果を評価する

Support vector machine in crash prediction at the level of traffic analysis zones: Assessing the spatial proximity effects

著者 (3件)： DONG Ni (Urban Transport Res. Center, School of Traffic and Transportation Engineering, Central South Univ., Changsha, Hunan ...) ,  HUANG Helai (Urban Transport Res. Center, School of Traffic and Transportation Engineering, Central South Univ., Changsha, Hunan ...) ,  ZHENG Liang (Urban Transport Res. Center, School of Traffic and Transportation Engineering, Central South Univ., Changsha, Hunan ...)
資料名： Accident Analysis & Prevention  (Accident Analysis & Prevention)
巻： 82  ページ： 192-198  発行年： 2015年09月 
JST資料番号： D0828A  ISSN： 0001-4575  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 本研究は,事故予測における,大規模多次元空間データを扱うために,サポートベクトルマシン(SVM)を提案する。高次元空間データを扱うことにおける,区域事故頻度に関係する可能性がある候補因子を評価するために,相関に基づく特徴選択因子(CFS)が適用された。提案手法を実証し,またそれを,条件付事故回帰事前確率(すなわちCAP)を用いた,Bayes空間モデルと比較するために,フロリダ州のHillsborough郡のデータセットが採用された。結果は,空間接近性を説明するSVMモデルが,モデル当てはめと予測性能について,非空間モデルよりも優ることを示し,そのことは,交差区域空間相関を検討することの妥当性を示す。最善のモデル予測能力は,比較的,RBFカーネルを選定し,全データセットの10%を検査データとして設定することにより,図心間距離の近さを考慮するモデルに関係し,それは,地域事故予測モデリングにおける,比較的複雑な空間データを扱うためのSVMモデルの能力をさらに提示する。さらに標本として全データセットを利用するときに,SVMモデルは,CARモデルに比して,より良い当てはめを示す。図心間距離に基づく空間SVMモデルの感度解析が実施されて,事故発生の平均予測確率に及ぼす,説明変量のインパクトを捉えた。結果がCARモデルの推定における係数推定すると一致する一方で,それは地域安全モデリングにおける代替としての,SVMモデルの採用を支持する。Copyright 2015 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.

シソーラス用語： 確率 ,  *サポートベクトルマシン ,  交通安全 ,  街路 ,  *近接効果
準シソーラス用語： 傾向スコア

分類 (1件)： 自動車事故,交通安全  (TB01050G)

タイトルに関連する用語 (9件)： 交通 ,  分析 ,  区域 ,  水準 ,  事故 ,  予測 ,  サポートベクトルマシン ,  近接効果 ,  評価