文献

J-GLOBAL ID：202002262188412664   整理番号：20A0378912

より安全な道路に向けて 実時間事故検出と特徴分析のためのXGBoostとSHAPの応用【JST・京大機械翻訳】

Toward safer highways, application of XGBoost and SHAP for real-time accident detection and feature analysis

著者 (5件)： Parsa Amir Bahador (Department of Civil and Materials Engineering, University of Illinois at Chicago, 842 W Taylor St, 2095 ERF, Chicago, IL 60607, United States) ,  Movahedi Ali (Department of Civil and Materials Engineering, University of Illinois at Chicago, 842 W Taylor St, 2095 ERF, Chicago, IL 60607, United States) ,  Taghipour Homa (Department of Civil and Materials Engineering, University of Illinois at Chicago, 842 W Taylor St, 2095 ERF, Chicago, IL 60607, United States) ,  Derrible Sybil (Department of Civil and Materials Engineering, Institute for Environmental Science and Policy, University of Illinois at Chicago, 842 W Taylor St, 2095 ERF, Chicago, IL 60607, United States) ,  Mohammadian Abolfazl (Kouros) (Department of Civil and Materials Engineering, University of Illinois at Chicago, 842 W Taylor St, 2095 ERF, Chicago, IL 60607, United States)
資料名： Accident Analysis & Prevention  (Accident Analysis & Prevention)
巻： 136  ページ： Null  発行年： 2020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： 交通安全には,可能な限り迅速に交通事故を検出することが不可欠である。本研究では,交通,ネットワーク,人口統計学,土地利用,および気象特徴から成る一連の実時間データを用いて事故の発生を検出するために,eXtreme Gradient Boosting(XGBoost)-機械学習(ML)技術を用いた。Chicago大都市高速道路から使用されたデータは,2016年12月~2017年12月の間に収集され,それは244件の交通事故と6073件の非事故事例を含んでいる。さらに,SHAP(Shapley Addition)を用いて結果を解釈し,個々の特徴の重要性を分析した。結果は,XGBoostが正確さ,検出率,および誤警報率がそれぞれ99%,79%,および0.16%の事故をロバストに検出できることを示している。いくつかの交通関連特徴,特に事故の5分前と5分後の速度の差は事故の発生に対して相対的に大きな影響を持つことが分かった。さらに,特徴の3対に対して特徴依存性解析を行った。最初に,上流位置における事故/非事故時間後の平均日交通と速度を,共同で解釈した。次に,中央ビジネス地区と住宅密度への距離を分析した。最後に,モデルの出力に関して,下流位置での事故/非事故時間後の速度を評価した。Copyright 2020 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： *道路 ,  交通安全 ,  都市高速道路 ,  交通事故 ,  気象 ,  ロバスト性 ,  機械学習 ,  ネットワーク ,  土地利用
準シソーラス用語： 誤警報率 ,  検出率 ,  人口統計学 ,  *特徴分析 ,  *事故検出 ,  実時間 , 【Automatic Indexing@JST】

著者キーワード (5件)： 事故検出 ,  XGBoost ,  SHAP ,  実時間データ ,  機械学習

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 (5件)： 道路 ,  実時間 ,  事故検出 ,  特徴分析 ,  応用