文献

J-GLOBAL ID：201802258626253051   整理番号：18A1719789

分類モデルを用いた州間モータキャリア衝突率レベルの予測【JST・京大機械翻訳】

Predicting interstate motor carrier crash rate level using classification models

著者 (5件)： Liu Jundi (Industrial & Systems Engineering, University of Washington, Seattle, WA 98195, USA) ,  Boyle Linda N. (Industrial & Systems Engineering, University of Washington, Seattle, WA 98195, USA) ,  Boyle Linda N. (Civil & Environmental Engineering, University of Washington, Seattle, WA 98195, USA) ,  Banerjee Ashis G. (Industrial & Systems Engineering, University of Washington, Seattle, WA 98195, USA) ,  Banerjee Ashis G. (Mechanical Engineering, University of Washington, Seattle, WA 98195, USA)
資料名： Accident Analysis & Prevention  (Accident Analysis & Prevention)
巻： 120  ページ： 211-218  発行年： 2018年 
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： 大型商用車(モーターキャリア)の安全な運転を確保することは,特に米国において重要な課題である。連邦規制機関は,彼らの安全レベルを改善するために,キャリアを奨励するために,コンプライアンスレビューベースの評価方法を制定したが,現在の評価の有効性に関して,懸念を表現した。本論文では,コンプライアンスレビューに基づく評価(満足,条件付き満足および不満足)よりもむしろ,衝突率レベル(高,中,および低)を考察した。3つの異なる分類モデル(人工ニューラルネットワーク,分類と回帰木(CART),およびサポートベクトルマシン)と3つの別々の変数選択法(経験的証拠,多重因子分析,Garsonアルゴリズム)を用いて,各キャリアに対する衝突率レベルを予測する自動化方法を実証した。予測された衝突率レベル(高,低)は,現在の安全性評価法に基づく割り当てられたレベルと比較される。結果は,最良の性能を有するCARTによって,キャリア安全性の有効な対策として,衝突率レベルの実現可能性を示した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： サポートベクトルマシン ,  因子分析 ,  ニューラルネットワーク ,  アルゴリズム ,  多重化 ,  安全性 ,  *電動機 ,  自動化 ,  商用車 ,  安全評価
準シソーラス用語： 変数選択 ,  CART ,  回帰木 ,  *分類モデル , 【Automatic Indexing@JST】

著者キーワード (4件)： 自動車キャリアの安全性 ,  衝突率 ,  変数選択 ,  分類と回帰ツリー

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 (4件)： 分類モデル ,  キャリア ,  衝突 ,  予測