Jove
Visualize
联系我们
JoVE
x logofacebook logolinkedin logoyoutube logo
关于 JoVE
概览领导团队博客JoVE 帮助中心
作者
出版流程编辑委员会范围与政策同行评审常见问题投稿
图书馆员
用户评价订阅访问资源图书馆顾问委员会常见问题
研究
JoVE JournalMethods CollectionsJoVE Encyclopedia of Experiments存档
教育
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab Manual教师资源中心教师网站
使用条款与条件
隐私政策
政策

相关实验视频

Updated: Jul 5, 2025

Automated Midline Shift and Intracranial Pressure Estimation based on Brain CT Images
14:08

Automated Midline Shift and Intracranial Pressure Estimation based on Brain CT Images

Published on: April 13, 2013

42.6K

使用 inception-v3 深度学习模型预测涉及行人碰撞的严重程度.

Md Nasim Khan1, Subasish Das2, Jinli Liu3

  • 1Senior Engineer, AtkinsRealis, 11801 Domain Blvd Suite 500, Austin, TX 78758, United States.

Accident; analysis and prevention
|January 14, 2024
PubMed
概括

相关概念视频

您也可能阅读

相关文章

通过共同作者、期刊和引用图与本文相关的文章。

排序
Same author

A novel cluster-based multinomial logit modeling for crash severity analysis in collisions involving automated ev-only manufacturer (AEVOM) vehicles.

Scientific reports·2026
Same author

Modeling injury severity in embankment-related roadway departure crashes.

Scientific reports·2026
Same author

Porcine Deltacoronavirus M Protein Binds NLRP3 to Promote Inflammasome Assembly via Competition with TRIM31.

Advanced science (Weinheim, Baden-Wurttemberg, Germany)·2026
Same author

Joint Associations of Multidimensional Socioeconomic Status and Healthy Lifestyle with Prevalent Hypertension: A Large Population-Based Study in Northwest China.

Nutrients·2026
Same author

Behavioral and temporal dynamics of child pedestrian crash injury patterns: evidence from random parameter modeling.

Scientific reports·2026
Same author

Decoding pedestrian severity at crosswalks using hybrid clustering and random parameter models.

Scientific reports·2026

这项研究使用深度学习模型 (Inception-v3) 预测路易斯安那州的行人撞车严重程度. 结合过量和不足采样技术,显著提高了致命,受伤和无伤事故的预测准确性.

科学领域:

  • 道路安全与运输科学.
  • 人工智能和机器学习应用.
  • 公共卫生和伤害预防.

背景情况:

  • 步行者安全仍然是一个关键问题,许多因素导致撞车严重性.
  • 预测事故结果对于制定有针对性的安全干预措施至关重要.
  • 现有的模型可能无法完全捕捉影响行人事故的复杂相互作用.

研究的目的:

  • 开发和评估一种新的深度学习模型,用于预测行人撞车严重程度.
  • 通过使用变量重要性分析,确定对行人撞车严重性的关键因素.
  • 将深度学习模型的性能与传统方法进行比较.

主要方法:

  • 利用来自路易斯安那州的五年 (2016-2021) 数据集,结合了40个变量.
  • 应用了Boruta算法用于特征选择和DeepInsight技术用于数据转换.
  • 采用随机低采样 (RUS) 和合成少数群体过量采样技术 (SMOTE) 来解决数据不平衡.
  • 在各种数据场景下开发和测试Inception-v3深度学习模型.

主要成果:

  • 结合过量和不足采样的Inception-v3模型在多个指标 (准确性,灵敏性,精度等) 上表现出卓越的性能. ) 的情况.
  • 实现了高预测准确度:93.5%的致命事故,77.5%的伤害事故,85.9%的无伤害事故.
关键词:
撞车严重程度 撞车严重程度数据平衡数据平衡深入的洞察力 深入的洞察力开始-v3 开始-v3步行者通道 步行者通道合成少数群体过量采样技术

更多相关视频

Design and Analysis for Fall Detection System Simplification
08:05

Design and Analysis for Fall Detection System Simplification

Published on: April 6, 2020

10.7K
Author Spotlight: Enhancement of Salient Object Detection for Smart Grid Applications
03:31

Author Spotlight: Enhancement of Salient Object Detection for Smart Grid Applications

Published on: December 15, 2023

556

相关实验视频

Last Updated: Jul 5, 2025

Automated Midline Shift and Intracranial Pressure Estimation based on Brain CT Images
14:08

Automated Midline Shift and Intracranial Pressure Estimation based on Brain CT Images

Published on: April 13, 2013

42.6K
Design and Analysis for Fall Detection System Simplification
08:05

Design and Analysis for Fall Detection System Simplification

Published on: April 6, 2020

10.7K
Author Spotlight: Enhancement of Salient Object Detection for Smart Grid Applications
03:31

Author Spotlight: Enhancement of Salient Object Detection for Smart Grid Applications

Published on: December 15, 2023

556
  • 深度学习方法在统计学上比传统的机器学习和统计模型有显著的改进.

    • 结论:

    • 拟议的深度学习模型提供了一个强大的工具,用于准确预测行人撞车严重程度.
    • 影响严重程度的关键因素包括行人/司机损伤,速度限制,酒精,年龄和可见性.
    • 调查结果可以为安全专业人员,政策制定者和制造商提供信息,以加强道路安全措施.