Обзор литературы по алгоритмам машинного обучения для прогнозирования тяжести травм при дорожно-транспортных происшествиях
A literature review of machine learning algorithms for crash injury severity prediction
Аннотация
Введение: Дорожно-транспортные происшествия представляют серьёзную проблему общественного здравоохранения. Поэтому важно понимать, какие факторы связаны с повышением тяжести травм у участников ДТП. Выявление таких факторов необходимо для принятия решений в области управления безопасностью дорожного движения, повышения её уровня и снижения тяжести последствий будущих аварий.
Методы: В статье представлен обзор современных методов моделирования тяжести травм при ДТП. В него вошли 56 исследований, опубликованных с 2001 по 2021 год и посвящённых более чем 20 статистическим методам и методам машинного обучения.
Результаты: Наилучшие результаты показал алгоритм случайного леса: он обеспечивал лучшие показатели в 70% случаев своего применения и в 29% всех исследований. Для метода опорных векторов и дерева решений эти показатели составили соответственно 53% и 31% случаев применения, а также 16% и 14% всех исследований. Байесовские сети и метод k ближайших соседей показывали наилучшие результаты в 67% и 40% случаев своего применения соответственно, однако в целом были лучшими лишь в 4% и 7% всех проанализированных исследований.
Выводы: На данный момент случайный лес представляется эффективным методом прогнозирования тяжести травм при ДТП; за ним следуют метод опорных векторов, дерево решений и метод k ближайших соседей. Однако в этой области остаётся значительный потенциал для изучения других подходящих методов: при выборе модели необходимо учитывать не только её качество, но и вопросы причинно-следственных связей, ненаблюдаемую неоднородность и временную нестабильность.
Практическое применение: Обзор позволяет исследователям ознакомиться с современными методами анализа тяжести травм и узнать, какие из них показали наилучшие результаты. На основании рассмотренных исследований также представлены актуальные проблемы и направления будущих исследований.
Переведем эту статью за 1 час
Загрузите PDF, а мы сделаем полный перевод, краткий конспект и красивую инфографику.
Попробовать бесплатно →Также в Подтеме: еженедельные литобзоры, база международных клинреков и конспекты свежих мед. статей и подкастов каждый день.