لطفا منتظر بمانید ...
0% Complete
صفحه اصلی
/
دهمین كنفرانس بين المللی مهندسی صنايع و سيستم ها
Identifying Key Factors in Traffic Accident Severity: A SHAP and Machine Learning Approach in North Carolina
نویسندگان :
Kimia Fazli Garmestani
1
Reza Samizadeh
2
1- دانشگاه الزهرا(س)
2- دانشگاه الزهرا(س)
کلمات کلیدی :
Road accidents،North Carolina،crash severity،Feature Importance،Accident Analysis،Machine Learning Algorithms،Data-Driven Insights،predictive modeling
چکیده :
Road accidents present a significant challenge globally, impacting economies, national resources, and human lives. This study focuses on analyzing traffic accident data from North Carolina to identify the factors influencing crash severity. Utilizing data collected over several years, five machine learning techniques including Logistic Regression, XGBoost, Random Forest, K-Nearest Neighbors, and Decision Tree were rigorously evaluated. Among these, XGBoost demonstrated superior performance, achieving an accuracy of 91%. Detailed analyses, including Confusion Matrix Analysis and ROC-AUC Analysis, further validated the effectiveness of the algorithms. Additionally, SHAP values analysis was employed to pinpoint key factors contributing to accident severity. These findings highlight the critical role of diverse features in accurately predicting road accident severity and emphasize the potential of advanced machine learning methods in enhancing road safety measures.
لیست مقالات
لیست مقالات بایگانی شده
رتبه بندی جذابیت سرمایه گذاری پروژه های استارت آپ با تلفیق روش های AHP و VIKOR
صابر شیری پور - عرشیا صائمی
Application of Overall Labor Effectiveness (OLE) and Root Cause Analysis for Workforce Performance Improvement
Benyamin Sojdeh ei
The investigation of uncertainty sources for the improvement of the inventory management of fast-moving consumer goods
G. Reza Nasiri - Ghazaleh Saboori
Sustainable Supplier Selection and Order Allocation using Blockchain
Shayan Sadeghi - Mohammadali Pirayesh
Dynamic NFT Price Prediction Incorporating Temporal Features into Machine Learning Models (BAYC Case Study)
Ali Fadaei Tafreshi - Maryam Rezapourniari - Reza Amiryaghoubi - Ali Asadi
تحلیل هوشمند داده های کاربران برای سرمایه گذاری در پلتفرم های مالی دیجیتال با استفاده از الگوریتم های یادگیری ماشین
وجیهه ترکیان - شهروز بامداد - امیرهمایون سرفراز
بهینه سازی استوار داده-محور در مسئله خودبرنامه ریزی تولیدکنندگان برق
امیرحسین همت یار - شاهرخ اسدی - میرسامان پیشوایی
Robustness Evaluation of the Process Capability Index C_p^''' (Profile) for a Simple Linear Profile under Various Error Distributions
Aylin Pakzad - Rassoul Noorossana
A new interval type 2 best worst method and its application to healthcare waste treatment selection problem
Nastaran Goldani - Mostafa Kazemi
ارائه یک رویکرد چند هدفه برای چیدمان دپارتمان‌های با مساحت نابرابر با استفاده از روش نوین ساختار نواری و الگوریتم ژنتیک مرتب‌سازی نامغلوب
سروش صفرزاده - حسین عاکفی
بیشتر
ثمین همایش، سامانه مدیریت کنفرانس ها و جشنواره ها - نگارش 44.9.3
