抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
道路事故は輸送部門に直面している問題である。多くの国の衝突データは過去10から20年間だけ利用可能であり,データが合理的で正確な予測速度を確立するのに十分であるかどうかを決定するのを困難にする。本研究では,自己回帰統合移動平均(ARIMA)法を用いた衝突予測精度に及ぼすサンプルサイズ(予測モデル開発に用いた数年数)の影響を1971年~2015年の事故データを用いて調べた。年間衝突記録のアベイラビリティに基づいて,4つの選択した国(デンマーク,トルコ,ドイツ,イスラエル)の道路事故データを使用して,異なる試料サイズ(45,35,25,および15年)に基づく事故予測モデルを開発した。次に,2016年と2017年の衝突データを用いて,開発したモデルの精度を検証した。さらに,パレスチンの衝突データを用いて結果の妥当性を試験した。使用したデータは,死亡,傷害,および特性損傷事故を含んだ。結果は,2016年の道路衝突を予測するとき,すべての4つの国について,モデルの予測精度において同様の傾向を示した。試料サイズの減少は,25の試料サイズまで予測精度の低下をもたらした。次に,精度は15年サンプルサイズで増加した。2017年の予測精度には特定の傾向は無かったが,より高い予測誤差も得られた。予測精度は,研究年にわたる国の様々な社会経済的,交通安全プログラムおよび開発条件に基づいて変化すると結論した。安定および安定条件の国に対して,より大きなサンプルサイズを用いたモデリングは,より高い予測能力でより高い精度モデルを生じる。より定常で安定した条件を有する国に関しては,より小さいサンプルサイズ(15年,例えば)を用いたモデリングは,良好な予測能力を有する高精度モデルにつながるであろう。したがって,国の社会経済的および交通安全プログラム状態は,許容可能な予測精度を与える実際の最小サンプルサイズを選択する前に考慮され,従って,収集データに費やされる努力と時間を節約する(より常に良くない)ことが推奨される。さらに,データ解析結果に基づいて,長期ARIMA予測モデルを注意して使用するべきである。Copyright 2020 Fady M. A. Hassouna and Khaled Al-Sahili. Translated from English into Japanese by JST.【JST・京大機械翻訳】