文献

J-GLOBAL ID：202002287341068836   整理番号：20A2731405

POIデータを組み合わせたXGBoostモデルを用いた自動車両衝突の重症度に影響する要因の解析【JST・京大機械翻訳】

Analysis of Factors Affecting the Severity of Automated Vehicle Crashes Using XGBoost Model Combining POI Data

著者 (5件)： Chen Hengrui (College of Transportation Engineering, Chang’an University, Xi’an 710000, China) ,  Chen Hong (College of Transportation Engineering, Chang’an University, Xi’an 710000, China) ,  Liu Zhizhen (College of Transportation Engineering, Chang’an University, Xi’an 710000, China) ,  Sun Xiaoke (College of Transportation Engineering, Chang’an University, Xi’an 710000, China) ,  Zhou Ruiyu (College of Transportation Engineering, Chang’an University, Xi’an 710000, China)
資料名： Journal of Advanced Transportation  (Journal of Advanced Transportation)
巻： 2020  ページ： Null  発行年： 2020年 
JST資料番号： D0581A  ISSN： 0197-6729  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： 自律車両(AV)技術の研究と開発は,世界的に地上になってきている。しかし,少数の研究は,AVを含む衝突の貢献する要因の徹底的な調査を実行した。本研究は,AVを含む事故の重大性を予測し,衝突重度に対する異なる要因の影響を分析することを目的とする。事故データは,2019年に自動車のCalifornia部門に提示されたAV関連事故報告から得られ,75の未損傷と18の負傷事故事例を含んだ。点間(POI)データをGoogle Mapアプリケーションプログラミングインタフェイス(API)から収集した。記述統計解析を適用して,衝突タイプ,衝突重度,衝突前の車両運動,および車両損傷の程度に関して,AVを含む事故の特徴を調べた。異なる分類器の分類性能を比較するために,2つの異なる分類モデル:eXtreme勾配ブースティング(XGBoost)と分類と回帰ツリー(CART)を用いた。結果は,XGBoostモデルが,AVを含む負傷した衝突事故の同定において,より良く機能することを示した。元のXGBoostモデルと比較して,POIデータを組み合わせたXGBoostモデルの想起とG平均は,それぞれ100%と11.1%改善した。衝突の重大性に寄与する主な特徴は,天候,車両損傷の程度,事故位置,および衝突タイプである。結果は,AVsが極端な気象条件(例えば霧と雪)の下で交差点で衝突するならば,衝突重大度が著しく増加することを示した。さらに,損傷をもたらす事故も,土地利用パターンが高度に多様である地域で発生する確率が高かった。本研究から得られた知識は,最終的に現在のAVの安全性能の評価と改善に寄与する。Copyright 2020 Hengrui Chen et al. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *自動車 ,  交差点 ,  土地利用 ,  気象条件
準シソーラス用語： Google ,  ブースティング ,  衝突事故 ,  天候 , 【Automatic Indexing@JST】

分類 (1件)： 自動車事故,交通安全  (TB01050G)

引用文献 (52件)：

• D. J. Fagnant, K. Kockelman, "Preparing a nation for autonomous vehicles: opportunities, barriers and policy recommendations," Transportation Research Part A: Policy and Practice, vol. 77, pp. 167-181, 2015.
• A. B. Parsa, A. Movahedi, H. Taghipour, S. Derrible, A. Kouros Mohammadian, "Toward safer highways, application of XGBoost and SHAP for real-time accident detection and feature analysis," Accident Analysis and Prevention, vol. 136, 2020.
• J. Stilgoe, "Machine learning, social learning and the governance of self-driving cars," Social Studies of Science, vol. 48, no. 1, pp. 25-56, 2018.
• A. Hevelke, J. Nida-Rümelin, "Responsibility for crashes of autonomous vehicles: an ethical analysis," Science and Engineering Ethics, vol. 21, no. 3, pp. 619-630, 2015.
• K. Massow, I. Radusch, "A rapid prototyping environment for cooperative advanced driver assistance systems," Journal of Advanced Transportation, vol. 2018, pp. 32, 2018.

タイトルに関連する用語 (6件)： モデル ,  自動車 ,  衝突 ,  重症度 ,  要因 ,  解析