Prediction and interpretive of motor vehicle traffic crashes severity based on random forest optimized by meta-heuristic algorithm

随机森林 可解释性 计算机科学 预测建模 启发式 排名(信息检索) 撞车 毒物控制 机器学习 数据挖掘 人工智能 医学 环境卫生 程序设计语言
作者
Li Wang,Yikun Su,Ze-chen Zheng,Liang Xu
出处
期刊:Heliyon [Elsevier]
卷期号:10 (16): e35595-e35595
标识
DOI:10.1016/j.heliyon.2024.e35595
摘要

Providing accurate prediction of the severity of traffic collisions is vital to improve the efficiency of emergencies and reduce casualties, accordingly improving traffic safety and reducing traffic congestion. However, the issue of both the predictive accuracy of the model and the interpretability of predicted outcomes has remained a persistent challenge. We propose a Random Forest optimized by a Meta-heuristic algorithm prediction framework that integrates the spatiotemporal characteristics of crashes. Through predictive analysis of motor vehicle traffic crash data on interstate highways within the United States in 2020, we compared the accuracy of various ensemble models and single-classification prediction models. The results show that the Random Forest (RF) model optimized by the Crown Porcupine Optimizer (CPO) has the best prediction results, and the accuracy, recall, f1 score, and precision can reach more than 90 %. We found that factors such as Temperature and Weather are closely related to vehicle traffic crashes. Closely related indicators were analyzed interpretatively using a geographic information system (GIS) based on the characteristic importance ranking of the results. The framework enables more accurate prediction of motor vehicle traffic crashes and discovers the important factors leading to motor vehicle traffic crashes with an explanation. The study proposes that in some areas consideration should be given to adding measures such as nighttime lighting devices and nighttime fatigue driving alert devices to ensure safe driving. It offers references for policymakers to address traffic management and urban development issues.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
苗条的一一完成签到,获得积分10
刚刚
1秒前
孙友浩完成签到,获得积分10
2秒前
yuyu完成签到 ,获得积分10
3秒前
3秒前
854fycchjh完成签到,获得积分10
3秒前
whitebird完成签到,获得积分10
4秒前
好好的i完成签到,获得积分10
4秒前
小谭完成签到 ,获得积分10
4秒前
风犬少年完成签到,获得积分10
5秒前
yy爱科研完成签到,获得积分10
6秒前
ccccchen完成签到,获得积分10
6秒前
happyboy2008完成签到,获得积分10
6秒前
张小度ever完成签到 ,获得积分10
7秒前
Dreamer完成签到,获得积分10
8秒前
Saranaaa发布了新的文献求助30
8秒前
天真的邴完成签到 ,获得积分10
9秒前
斯文鸡完成签到,获得积分10
9秒前
10秒前
10秒前
Anna完成签到 ,获得积分10
12秒前
花佩剑完成签到,获得积分10
12秒前
千桑客完成签到,获得积分10
13秒前
A溶大美噶完成签到,获得积分10
13秒前
zxc发布了新的文献求助10
14秒前
lilli完成签到,获得积分10
15秒前
康康完成签到,获得积分10
16秒前
咖喱咖喱完成签到,获得积分10
16秒前
曾经笑白完成签到,获得积分10
16秒前
fan051500完成签到,获得积分10
18秒前
可乐要加冰完成签到,获得积分10
19秒前
零渊完成签到,获得积分10
20秒前
疯狂的安波完成签到,获得积分10
20秒前
人生苦短完成签到,获得积分10
20秒前
xiuxiu完成签到 ,获得积分10
21秒前
totalMiss完成签到,获得积分10
21秒前
21秒前
慕容铭完成签到,获得积分10
21秒前
聪明的宛菡完成签到,获得积分10
22秒前
夜泊完成签到 ,获得积分10
23秒前
高分求助中
Sustainability in Tides Chemistry 2000
Microlepidoptera Palaearctica, Volumes 1 and 3 - 13 (12-Volume Set) [German] 1122
Дружба 友好报 (1957-1958) 1000
The Data Economy: Tools and Applications 1000
Mantiden - Faszinierende Lauerjäger – Buch gebraucht kaufen 700
PraxisRatgeber Mantiden., faszinierende Lauerjäger. – Buch gebraucht kaufe 700
A Dissection Guide & Atlas to the Rabbit 600
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3099850
求助须知:如何正确求助?哪些是违规求助? 2751315
关于积分的说明 7612736
捐赠科研通 2403282
什么是DOI,文献DOI怎么找? 1275200
科研通“疑难数据库(出版商)”最低求助积分说明 616310
版权声明 599053