文献

J-GLOBAL ID：202002272118618796   整理番号：20A2509381

機械学習法によるオートバイ衝突度の予測【JST・京大機械翻訳】

Severity prediction of motorcycle crashes with machine learning methods

著者 (3件)： Wahab Lukuman (School of Automotive and Traffic Engineering, Jiangsu University, Zhenjiang, China) ,  Wahab Lukuman (School of Engineering, Tamale Technical University, Tamale, Ghana) ,  Jiang Haobin (School of Automotive and Traffic Engineering, Jiangsu University, Zhenjiang, China)
資料名： International Journal of Crashworthiness  (International Journal of Crashworthiness)
巻： 25  号： 5  ページ： 485-492  発行年： 2020年 
JST資料番号： W2051A  ISSN： 1358-8265  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： 本研究では,オートバイ衝突事故が発生した場合の衝突事故の厳しさを予測するモデルを確立するために,分類アルゴリズムを用いた。本研究では,オートバイ事故の厳しさを予測するための多層パーセプトロン(MLP),ルール誘導(PART)および分類および回帰木(SimpleCart)モデルの電力を,それらの結果を比較することによって評価した。この目的を達成するために,ガーナの建物と道路研究所で,国立道路交通衝突データベースから抽出したオートバイ衝突データセットを組み立てた。データセットを4つの損傷重症度カテゴリーに分類した:致死,入院,負傷および損傷。このデータベースから収集されたデータは,データマイニングモデルを直接比較し,ランク付けする手段を提供し,一方,オートバイ事故の重大性に大きく影響する変数の同定を可能にする。結果は,試験分類アルゴリズムの中で,平均精度73.81%の単純Carartモデルが,PARTモデル(73.45%)と10倍交差検証法に基づくMLP(72.16%)モデルより優れていることを示した。結果は,オートバイ衝突傷害重度に関連する最も重要な因子が,位置タイプ,沈下タイプ,衝突の時間,衝突タイプと衝突パートナーであることを明らかにした。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： データベース ,  電力 ,  道路 ,  道路交通 ,  *オートバイ ,  ガーナ共和国 ,  等級づけ ,  多層パーセプトロン ,  *機械学習 ,  交差検証法 ,  データマイニング
準シソーラス用語： 分類アルゴリズム ,  回帰木 ,  衝突事故 ,  道路安全 , 【Automatic Indexing@JST】

著者キーワード (6件)： オートバイ ,  オートバイの衝突 ,  傷害重症度 ,  データマイニング ,  分類技術 ,  道路安全

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)： 機械学習 ,  オートバイ ,  衝突 ,  予測