CGAN-EB：一种基于条件生成对抗网络的非参数经验贝叶斯交通事故黑点识别方法——一项真实世界事故数据研究
机器学习
2021-12-21 v1
摘要
基于负二项（NB）等参数统计模型的经验贝叶斯（EB）方法已广泛用于道路网安全筛查过程中路段的排序。本文是作者先前研究的延续，此前提出并基于多个模拟事故数据集评估了一种基于条件生成对抗网络（CGAN）建模事故频次数据的新型非参数EB方法。与参数方法不同，所提出的CGAN-EB无需预先指定因变量与自变量之间的潜在关系，且能够对任意类型的分布建模。现将所提方法应用于华盛顿州2012至2017年道路路段采集的真实世界数据集。在模型拟合、预测性能及路网筛查结果方面，将CGAN-EB与传统方法（NB-EB）作为基准进行比较。结果表明，所提出的CGAN-EB方法在预测能力与热点识别检验上优于NB-EB。
引用
@article{arxiv.2112.10588,
title = {CGAN-EB: A Non-parametric Empirical Bayes Method for Crash Hotspot Identification Using Conditional Generative Adversarial Networks: A Real-world Crash Data Study},
author = {Mohammad Zarei and Bruce Hellinga and Pedram Izadpanah},
journal= {arXiv preprint arXiv:2112.10588},
year = {2021}
}
备注
arXiv admin note: text overlap with arXiv:2112.06925