不同社区的夜间行人安全:人工智能技术的应用

科学领域:

• 运输安全运输安全
• 公共卫生 公共卫生
• 数据科学数据科学数据科学

背景情况:

• 行人安全是一个关键问题,每年在美国发生数千起死亡事故.
• 由于可见度降低和损伤,夜间撞车带来更高的风险.
• 美国运输部使用六个指标来提高安全性.

研究的目的:

• 将美国交通部的指标与行人撞车数据整合起来.
• 为了确定夜间行人碰撞伤害严重程度的关键相关性.
• 开发一个准确的行人撞车结果预测模型.

主要方法:

• 使用基于推理的顺序逻辑模型进行分析.
• 应用了一种基于人工智能 (AI) 的异质集合方法 (堆叠).
• 采用机器学习技术,包括渐变增强,决策树和随机森林.

主要成果:

• 堆叠的人工智能模型实现了78.85%的预测准确度,超过了基础学习者.
• 确定了社会经济指标 (经济,交通便利) 与事故严重程度之间的关联.
• 发现了未照明的道路,十字路口违规行为,酒精损害和严重的夜间行人撞车事故之间的联系.

结论:

• 人工智能驱动的洞察力可以显著帮助安全从业人员.
• 调查结果支持有针对性的干预措施,以改善道路基础设施.
• 该研究有助于通过数据驱动的策略提高道路使用者的整体安全.