Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "conceptual grouping" wg kryterium: Wszystkie pola


Wyświetlanie 1-2 z 2
Tytuł:
Road traffic accident patterns: a conceptual grouping approach to evaluate crash clusters
Wzorce wypadków drogowych: grupowanie pojęciowe w szacowaniu skupień wypadkowych
Autorzy:
Nowakowska, M.
Powiązania:
https://bibliotekanauki.pl/articles/224235.pdf
Data publikacji:
2012
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
wypadki drogowe
zagrożenia bezpieczeństwa ruchu
analiza wypadków
Opis:
The aim of the work is to highlight road traffic accident patterns in the context of interrelations between road characteristics and a traffic safety threat. The actual data concerning multi-vehicle accidents without pedestrians on non-urban roads in a chosen region of Poland was the subject of the research. The roadway and roadside data at the accident site have been combined with the crash data that define the roadway hazard, i.e. driver's behaviour, type and accident severity. The data were subject to multivariate segmentation by means of such conceptual grouping techniques as the K-means clustering algorithm and competitive artificial neural networks. The Ward's method was used as a supporting tool in establishing the final number of accident profiles. Six distinct accident patterns have been recognised, quantified and labelled, where the first, second and third one are typical of rural areas, the fourth and fifth - of built-up areas, and the last one - of intersections. The analysis indicates that apart from threat factors, the following road related features play an important role in road accident profiling tasks: area type and area development level, roadway surface condition, intersection indicator, shoulder type, and also to some extent: lighting conditions, shoulders' width, and horizontal curve radius.
Celem pracy jest zaprezentowanie wzorców wypadków drogowych w kontekście wzajemnych relacji między cechami drogi i zagrożeniem bezpieczeństwa ruchu. Przedmiotem badań są dane rzeczywiste o wypadkach między pojazdami, bez udziału pieszych, na drogach zamiejskich wybranego regionu Polski. Dane o drodze i jej otoczeniu w miejscu zdarzenia są łączone z tymi danymi o wypadku, które opisują zagrożenie, tzn. zachowaniem kierującego sprawcy, rodzajem i statusem (stopniem ciężkości) wypadku. Cały analizowany zbiór obserwacji podlega podziałowi w przestrzeni wielowymiarowej z wykorzystaniem technik grupowania pojęciowego: metody K-średnich oraz konkurencyjnych sztucznych sieci neuronowych. Do określenia ostatecznej liczby wynikowych profili wypadkowych (skupień) wykorzystano metodę Warda. Wyodrębniono, skwantyfikowano i zaetykietowano sześć wzorców: trzy pierwsze są typowe dla obszarów niezabudowanych, dwa następne - dla obszarów zabudowanych, a ostatni jest właściwy dla rejonów skrzyżowań. Analizy wykazują, że obok cech zagrożenia, istotną rolę w definiowaniu profili skupień odgrywają następujące cechy drogi: rodzaj obszaru i intensywność jego zabudowy, stan nawierzchni jezdni, informacja o obecności skrzyżowania, rodzaj poboczy oraz (w mniejszym zakresie) warunki oświetlenia drogi, szerokość poboczy i promień łuku poziomego.
Źródło:
Archives of Transport; 2012, 24, 1; 73-98
0866-9546
2300-8830
Pojawia się w:
Archives of Transport
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Analiza typologiczna wypadków drogowych z wykorzystaniem sztucznej sieci neuronowej Kohonena
Typological analysis of road crashes using the Kohonen artificial neural network
Autorzy:
Nowakowska, M.
Powiązania:
https://bibliotekanauki.pl/articles/144772.pdf
Data publikacji:
2012
Wydawca:
Stowarzyszenie Inżynierów i Techników Komunikacji Rzeczpospolitej Polskiej
Tematy:
wypadki drogowe
cechy drogi
cechy zagrożenia
grupowanie pojęciowe
mapy Kohonena
profilowanie wypadków drogowych
traffic accidents
road characteristics
threat features
conceptual grouping
Kohonen maps
road accident profiling
Opis:
W artykule zaprezentowano wyodrębnienie wzorców wypadków drogowych na podstawie cech drogi i jej otoczenia w miejscu zdarzenia oraz cech zagrożenia wyrażonych przez zachowanie sprawcy, rodzaj zdarzenia oraz status wypadku. Analizowane dane poddano wielowymiarowej segmentacji wykorzystując metodę silnie skorelowaną z techniką komputerową jaką jest sztuczna sieć neuronowa bez nauczyciela - mapa Kohonena w wersji uczenia sekwencyjnego. Analiza typologiczna wypadków z udziałem jednego pojazdu wskazuje na istnienie wyraźnie wyodrębnionych wzorców wypadkowych. Najważniejszym atrybutem mającym znaczenie w procesie wyodrębniania tych wzorców jest status wypadku (cecha zagrożenia).
The objective of the paper is the identification of accident patterns. The patterns are defined on the basis of both road characteristics in the accident location and traffic safety threat features that describe the roadway hazard, i.e. driver's behaviour, accident type, and accident severity. The analysed data were subject to multivariate segmentation by means of a method that is strongly connected with computer techniques, This is unsupervised artificial neural network - the Kohonen map in the version of sequential learning. The single-vehicle road accident typology analysis made it possible to identify distinct accident patterns. The analysis indicates that accident severity plays the most important role in the road accident profiling tasks.
Źródło:
Drogownictwo; 2012, 10; 333-339
0012-6357
Pojawia się w:
Drogownictwo
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-2 z 2

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies