相关实验视频
Updated: Sep 12, 2025
16:14
Trajectory Data Analyses for Pedestrian Space-time Activity Study
Published on: February 25, 2013
13.7K
活跃旅行者受伤严重程度的时空空间不稳定性分析,样本规模小,碰撞数据不平衡
1Department of Civil and Environmental Engineering, USDOT Center for Advanced Multimodal Mobility Solutions and Education (CAMMSE), University of North Carolina at Charlotte, Charlotte, NC, USA.
International journal of injury control and safety promotion
|August 6, 2025
概括
空间因素显著影响活跃旅行者的伤害严重程度,而不是时间因素. 了解城市和农村地区之间的这些差异是制定针对行人和骑自行车者的目标安全策略的关键.
科学领域:
- 运输安全运输安全
- 城市规划 城市规划
- 机器学习应用 机器学习应用
背景情况:
- 积极旅行者 (行人,骑自行车者) 发生的车祸是可持续交通的一个主要问题.
- 伤害的严重程度在时间和空间上有所不同,需要详细的分析.
- 现有的研究往往忽视了城市和农村区域之间的空间差异.
研究的目的:
- 为了进行积极旅行者的伤害严重程度的时空空间分析.
- 识别影响不同空间环境 (城市与农村) 中受伤严重程度的因素.
- 开发一个可解释和平衡的机器学习框架,用于崩数据分析.
主要方法:
- 利用北卡罗来纳州活跃旅行者机事件的六年数据集 (2017-2022年).
- 根据空间和时间特征将数据分为四个子数据集.
- 采用可解释和平衡的机器学习框架来分析影响受伤严重程度的因素.
主要成果:
- 发现空间不稳定对受伤严重程度的影响比时间不稳定更大.
- 城市地区的关键因素包括非十字路口位置,自行车道,中等速度限制和照明条件.
- 穿越区域被确定为农村地区的重要因素.
结论:
- 区域特定的对策对于提高主动运输安全至关重要.
- 这些发现强调了在制定交通安全战略时考虑空间背景的重要性.
- 这项研究为分析复杂的崩数据提供了一个框架,以告知政策决策.
