Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

United States Road Accident Prediction using Random Forest Predictor

Created by
  • Haebom

저자

Dominic Parosh Yamarthi, Haripriya Raman, Shamsad Parvin

개요

미국 49개 주의 광범위한 교통 데이터 세트를 사용하여 교통사고 예측을 위한 머신러닝 모델을 개발한 연구입니다. 회귀 분석 및 시계열 분석과 같은 고급 머신러닝 기법을 사용하여 교통사고 건수를 예측하고, 환경 조건, 인적 요인, 인프라 등 다양한 요소를 고려하여 사고 발생의 영향 요인을 종합적으로 이해하고자 합니다. 시간적 및 공간적 분석을 통해 추세, 계절적 변화 및 고위험 지역을 파악하여 정책 입안자와 교통 당국이 효율적인 자원 배분 및 표적화된 개입을 할 수 있도록 지원하는 것을 목표로 합니다.

시사점, 한계점

•
시사점:
◦
머신러닝 기반 교통사고 예측 모델을 통해 정확한 사고 예측 및 정량적 통찰력 제공.
◦
효율적인 자원 배분 및 표적화된 개입 전략 수립 지원.
◦
데이터 기반의 교통 안전 정책 수립에 기여.
◦
고위험 지역 및 시간대 파악을 통한 선제적 안전 조치 가능.
•
한계점:
◦
사용된 데이터의 특정 지역(미국 49개 주)에 대한 일반화 가능성 제한.
◦
모델의 예측 정확도에 대한 구체적인 평가 지표 부족.
◦
다양한 요인들의 상호작용 및 복잡성에 대한 충분한 고려 여부 불명확.
◦
모델의 실제 정책 적용 및 효과에 대한 검증 부족.
👍
Made with Slashpage