通过数据库叙事对齐解决酒精推断不匹配问题
机器学习
2025-06-25 v1 人工智能
计算机与社会
应用统计
摘要
道路交通事故是全球死亡原因的主要原因，强调了提高预防策略和制定政策制定准确事故数据数据的紧迫需求。本研究通过数据库叙事对齐技术来识别酒精推断不匹配（AIM）问题。开发了一个框架以提高事故管理系统的数据质量，并降低AIM事故的比例。利用BERT模型，对2016-2022年爱荷华州371,062条事故记录进行分析，发现2,767例AIM事件，导致整体AIM比例为24.03%。统计工具（包括Probit Logit模型）用于探讨影响AIM模式的事故特征。研究结果表明，酒精相关致命事故和夜间事件的不匹配比例较低，而涉及未知车辆类型和年长驾驶员的事故更容易出现不匹配。本研究的地理聚类区域可识别出教育和培训需求增加的地区。这些见解凸显了针对性培训项目和数据管理团队提高事故报告准确性并支持基于证据的政策制定的必要性。
引用
@article{arxiv.2506.19342,
title = {Unlocking Insights Addressing Alcohol Inference Mismatch through Database-Narrative Alignment},
author = {Sudesh Bhagat and Raghupathi Kandiboina and Ibne Farabi Shihab and Skylar Knickerbocker and Neal Hawkins and Anuj Sharma},
journal= {arXiv preprint arXiv:2506.19342},
year = {2025}
}