我们能否利用遥测数据通过机器学习估计卡车事故风险？
机器学习
2022-01-25 v1 机器学习
摘要
道路交通事故具有高昂的社会成本，可通过利用机器学习改进风险预测而得以降低。本研究探讨长途卡车上收集的遥测数据是否可用于预测与某驾驶员相关的事故风险。我们使用一家卡车运输公司提供的数据集，其中包含 1,141 名驾驶员为期 18 个月的驾驶数据。我们评估了两种不同的机器学习方法来执行该任务。在第一种方法中，利用 FRESH 算法从时间序列数据中提取特征，随后使用随机森林估计风险。在第二种方法中，我们使用卷积神经网络直接从时间序列数据估计风险。我们发现，尽管进行了诸多方法学尝试，两种方法均未能在该数据集上成功估计事故风险。我们讨论了使用遥测数据估计事故风险所面临的困难，这些困难或可解释这一负面结果。
引用
@article{arxiv.2007.09167,
title = {Can we Estimate Truck Accident Risk from Telemetric Data using Machine Learning?},
author = {Antoine Hébert and Ian Marineau and Gilles Gervais and Tristan Glatard and Brigitte Jaumard},
journal= {arXiv preprint arXiv:2007.09167},
year = {2022}
}