开发基于机器学习的模型,以减少道路交通事故中行人受伤的严重程度

科学领域:

• 道路安全和交通事故分析
• 机器学习在伤害预测中的应用.
• 公共卫生和伤害预防.

背景情况:

• 道路事故预测对于改善道路安全和识别受伤风险因素至关重要.
• 机器学习对分析大型复杂数据集和识别复杂模式的统计方法具有优势.
• 了解影响行人受伤严重程度的因素是制定有针对性的安全干预措施的关键.

研究的目的:

• 探索机器学习的使用,以预测行人道路交通伤害的严重程度.
• 确定导致交通事故中行人严重受伤的关键风险因素.
• 开发和评估用于预测行人受伤严重程度的机器学习模型.

主要方法:

• 汇编了影响行人受伤严重程度的事故和环境特征.
• 使用机器学习算法来识别模式并从大数据集进行预测.
• 根据准确性,精度,回忆和F1分数来选择最佳算法.

主要成果:

• 开发了一种机器学习模型来预测行人受伤的严重程度.
• 该模型确定了影响损伤结果的重要特征.
• 该模型在根据事故和环境数据预测伤害严重程度方面表现出有效性.

结论:

• 机器学习为预测道路交通事故中行人受伤严重程度提供了强大的工具.
• 开发的模型,最初在以色列数据上进行训练,可以通过使用区域数据进行重新训练来适应更广泛的应用.
• 持续更新模型和重新培训对于保持准确性和适应不断变化的道路安全动态至关重要.