田纳西州查塔努加的一个交通事故数据集

科学领域:

• 运输工程 运输工程
• 数据科学数据科学数据科学
• 交通安全 交通安全

背景情况:

• 准确的交通数据对于理解和减轻事故影响至关重要.
• 现有的数据集往往缺乏实时交通,环境和事故具体情况的全面融合.
• 机器学习方法需要结构良好的,注释的数据,以进行有效的交通模式分析.

研究的目的:

• 提出一个新的,注释数据集融合交通传感器数据,天气条件,光线条件和事故细节.
• 为了促进基于机器学习的分析,预测和检测事故期间的交通模式.
• 为进行比较分析提供正常交通条件的基线数据.

主要方法:

• 来自雷达探测传感器,天气,光线和交通事故记录的数据的融合.
• 包含来自事故近距离传感器 (最近,5上游,5下游) 的交通速度,流量和占用量的时间序列数据.
• 在数据集中注释事故类型,日期和时间.

主要成果:

• 一个全面的数据集,涵盖6个月 (2020年11月 - 2021年4月) 的交通和事故数据.
• 详细记录了田纳西州查塔努加监测区内的361起事故.
• 数据集格式优化为机器学习工具,数据库和数据工作流.

结论:

• 这一数据集为推进交通事故分析和预测研究提供了宝贵的资源.
• 这种合并的数据集支持自动化事故检测系统的开发.
• 这些数据可以更深入地了解交通状况,环境因素和事故发生之间的关系.