文献

J-GLOBAL ID：201702258504432714   整理番号：17A1260130

データマイニング技術を用いた道路交通死亡事故の解析【Powered by NICT】

Analysis of road traffic fatal accidents using data mining techniques

著者 (3件)： Li Liling (Department of Computer Science, Central Michigan University, USA) ,  Shrestha Sharad (Department of Computer Science, Central Michigan University, USA) ,  Hu Gongzhu (Department of Computer Science, Central Michigan University, USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： SERA  ページ： 363-370  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 道路交通安全は輸送支配機関だけでなく一般市民のための主要な関心事である。安全運転提案を付与するために,道路交通データの注意深い解析は,死亡事故に密接に関連する変数を見出すために重要である。本論文では,この問題を解決する試みとしてFARS死亡事故データセットの統計解析とデータマイニングアルゴリズムを適用した。衝突,気象,表面状態,光条件,および飲酒運転者を含む致命的な速度と他の特性の関係を調べた。相関ルールを,Aprioriアルゴリズムで発見された,分類モデルをNaive Bayes分類器により構築し,クラスタは単純なK-meansクラスタリングアルゴリズムによって形成された。安全運転の提案は,統計学,相関ルール,分類モデルと,得られたクラスタに基づいて行った。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 飲酒運転 ,  *道路 ,  統計解析 ,  統計学 ,  相関ルール ,  交通安全 ,  *道路交通 ,  クラスタ ,  *死亡事故
準シソーラス用語： k-means法 ,  Naive Bayes ,  分類モデル ,  Aprioriアルゴリズム ,  安全運転 ,  *データマイニング技術 , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  データ保護  (JD01020V)

タイトルに関連する用語 (4件)： データマイニング技術 ,  道路交通 ,  死亡事故 ,  解析