文献

J-GLOBAL ID：202202267124553454   整理番号：22A0156605

説明による複数タイプの交通事故重症度の予測:マルチタスク深層学習フレームワーク【JST・京大機械翻訳】

Predicting multiple types of traffic accident severity with explanations: A multi-task deep learning framework

著者 (3件)： Yang Zekun (School of Information Resource Management, Renmin University of China, Beijing, China) ,  Zhang Wenping (School of Information, Renmin University of China, Beijing, China) ,  Feng Juan (Department of Management Science & Engineering, School of Economics & Management and Shenzhen International Graduate School, Tsinghua University, China)
資料名： Safety Science  (Safety Science)
巻： 146  ページ： Null  発行年： 2022年 
JST資料番号： W0879A  ISSN： 0925-7535  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 交通事故の厳しさの予測は,交通事故防止と脆弱な道路利用者の安全性に不可欠である。さらに,予測の説明可能性は,関連する危険因子を抽出し,対応する対策を実行する実務者にとって極めて重要である。ほとんどの既存の研究は,交通事故の特性損失重症度を無視して,異なるレベルの死亡と特性損失重症度を予測するのに失敗する。さらに,従来のモデルの説明は達成が容易であるが,深いニューラルネットワーク(DNN)の説明可能な設計は,既存の研究において極めて不足している。ニューラルネットワークを組込む試みは,複数の隠れ層の欠如と予測を説明するときの構造情報の欠如に悩まされている。本研究では,異なるレベルの傷害,死亡および特性損失重症度を予測するためのマルチタスクDNNフレームワークを提案した。マルチタスクと深層学習設計は,交通事故重症度の包括的な正確な解析を可能にする。多くのブラックボックスDNNアルゴリズムとは異なり,このフレームワークは,DNNの構造と重みに基づく説明を生成する,層ごとの関連性伝播を介して3つのタイプの交通事故重症度を引き起こす主要な因子を同定することができた。中国の交通事故データを使用して行われた実験に基づいて,提案モデルは,良い精度で交通事故重大リスクを予測して,最先端の方法より優れている。さらに,事例研究は,著者らのフレームワークによって提供される主要因子が,ベースライン方法によって提供される説明より,より合理的で有益であることを示した。著者らのモデルは,最初のマルチタスク学習モデルと,著者らの知識の最良への交通事故重症度予測のための最初のDNNベースのモデルであった。Copyright 2022 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： アルゴリズム ,  ニューラルネットワーク ,  ブラックボックス ,  人工知能 ,  *交通事故 ,  事例研究 ,  基準線 ,  危険因子 ,  機械学習
準シソーラス用語： 脆弱性 ,  隠れ層 ,  *マルチタスク ,  マルチタスク学習 ,  *重症度 ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： 深層学習 ,  交通事故重症度予測 ,  説明可能な人工知能 ,  機械学習

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (8件)： 説明 ,  タイプ ,  交通事故 ,  重症度 ,  予測 ,  マルチタスク ,  深層学習 ,  フレームワーク