一个管道,以提高动物车辆碰撞分析在碰撞报告数据集的数据

科学领域:

• 道路交通安全问题 道路安全问题
• 数据科学是数据科学.
• 野生动物生态学野生动物生态学

背景情况:

• 动物车辆碰撞 (AVC) 构成全球安全风险,警察报告是主要数据来源.
• 农村AVC数据经常存在不一致性和报告变化,阻碍了预测模型的开发.
• 这项研究解决了这些数据质量问题,提供了一个新的清洁和特征选择管道.

研究的目的:

• 开发一个强大的数据处理管道,以改善动物车辆碰撞 (AVC) 分析.
• 为了解决数据不一致性,并加强警察事故报告数据中的功能选择.
• 为开发准确的AVC预测模型创造一个可靠的基础.

主要方法:

• 使用北达科他州撞车数据的案例研究,该州以高AVC率和多样化的野生动物而闻名.
• 实施Theil的U关联指数和用于管道评估的千平方测试.
• 管道识别和删除歪曲的样本,不一致性,低方差和冗余特征.

主要成果:

• 该管道在20年内将数据大小减少3.5%,特征减少88.9%.
• 小时,县和速度限制被确定为高贡献的特征,而年,日和司机的贡献较低.
• 为了预测建模,创建了一个单一的时间特征,集光,小时和月份.

结论:

• 开发的管道显著提高了AVC分析的数据质量和时空完整性.
• 该管道将协会分析的计算运行时间减少92.46%.
• 这种方法为构建有效的动物车辆碰撞预测模型提供了更可靠的数据集.