文献

J-GLOBAL ID：202102222107025310   整理番号：21A0579802

建設産業における職業事故分析のためのデータ前処理と事故予測モデリングに関する研究【JST・京大機械翻訳】

A Study on Data Pre-Processing and Accident Prediction Modelling for Occupational Accident Analysis in the Construction Industry

著者 (6件)： Lee Jae Yun (Department of Safety Engineering, Incheon National University, Incheon 22012, Korea) ,  Yoon Young Geun (Department of Safety Engineering, Incheon National University, Incheon 22012, Korea) ,  Oh Tae Keun (Department of Safety Engineering, Incheon National University, Incheon 22012, Korea) ,  Oh Tae Keun (Research Institute for Engineering and Technology, Incheon National University, Incheon 22012, Korea) ,  Park Seunghee (School of Civil, Architectural Engineering and Landscape Architecture, Sungkyunkwan University, Gyeonggi 440-746, Korea) ,  Ryu Sang Il (Department of Fire Administration and Disaster Management, Dong-Eui University, 176 Eomgwang-ro, Busanjin-gu, Busan 47340, Korea)
資料名： Applied Sciences (Web)  (Applied Sciences (Web))
巻： 10  号： 21  ページ： 7949  発行年： 2020年 
JST資料番号： U7135A  ISSN： 2076-3417  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 建設業では,様々な事故特性が様々なタイプの作業で同時に発生するので,職業事故を予測することは困難である。さらに,職業事故データを解析するときでさえ,事故研究者によって記録されたデータが定性的であり,多様なデータタイプとカテゴリーを含むので,意味のある結果を推論するのは難しい。最近,多くの研究が,そのような複雑な建設事故データにおける相関を分析するために機械学習を使用した。しかし,ここでは,様々な変数による重症度の予測に焦点を当て,様々な変数からの特徴間の相関を導出するとき,いくつかの限界が残っている。したがって,本論文は,最適機械学習技術を用いて事故データを効率的に操作できるデータ処理手順を提案し,そのような複雑な問題に合理的にアプローチするために有意義な変数を導き,体系化する。特に,様々な変数の中で,最も影響力のある変数を,クラスタリング,カイ二乗,Cramer V,および予測子重要度のような方法を通して導き出した。次に,この解析を変数を最適にグループ化することによって単純化した。最適変数と要素による事故データのために,予測モデルは,サポートベクターマシンとディシジョンツリーベースの集合を使用して,変数の間で構築した。次に,従属変数と独立変数の間の相関を,いくつかの場合について沖積流図を通して解析した。したがって,複雑な多様な建設作業事故データからの困難さを克服するために,データ前処理と事故予測モデリングに新しい処理手順を導入し,このプロセスを用いて建設事故の相関を導くことによって効果的な事故防止が可能である。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 簡素化 ,  事故防止 ,  事故調査 ,  クラスタ化 ,  ディシジョンツリー ,  データ処理 ,  *労働災害 ,  データ型 ,  機械学習 ,  予測モデル ,  サポートベクトルマシン
準シソーラス用語： 予測子 ,  目的変数 ,  *データ前処理 ,  機械学習技術 , 【Automatic Indexing@JST】

著者キーワード (7件)： 職業事故 ,  相関解析 ,  サポートベクトルマシン ,  アンサンブル ,  データ前処理 ,  潜在クラスクラスタリング解析 ,  沖積流図

分類 (2件)： 産業衛生,産業災害  (GB05000S) ,  安全管理  (KB06000D)

引用文献 (50件)：

• Ayhan, B.U.; Tokdemir, O.B. Accident Analysis for Construction Safety Using Latent Class Clustering and Artificial Neural Networks. J. Constr. Eng. Manag. 2020, 146, 04019114.
• Hinze, J. Safety incentives: Do they reduce injuries? Pract. Period. Struct. Des. Constr. 2002, 7, 81-84.
• Chi, C.F.; Chang, T.C.; Ting, H.I. Accident patterns and prevention measures for fatal occupational falls in the construction industry. Appl. Ergon. 2005, 36, 391-400.
• Choudhry, R.; Fang, D.; Ahmed, S. Safety management in construction: Best practices in Hong Kong. J. Prof. Issues Eng. Educ. Pract. 2008, 134, 20-32.
• Jacinto, C.; Canoa, M.; Guedes Soaresa, C. Workplace and organizational factors in accident analysis within the food industry. Saf. Sci. 2009, 47, 626-635.

タイトルに関連する用語 (8件)： 建設産業 ,  職業事故 ,  分析 ,  データ前処理 ,  事故 ,  予測 ,  モデリング ,  研究