Submitted 18 September, 2024; originally announced September 2024. , Comments: 10 Pages, 6 figures, 2 tables, 28th International Conference on Knowledge-Based and Intelligent Information & Engineering Systems (KES 2024)
توضیحات به فارسی
ارائه شده در 18 سپتامبر 2024 ؛در ابتدا سپتامبر 2024 اعلام شد ، نظرات: 10 صفحه ، 6 شکل ، 2 جدول ، بیست و هشتمین کنفرانس بین المللی سیستم های اطلاعات و مهندسی مبتنی بر دانش و هوشمند (KES 2024)
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
این محصول به صورت فایل دانلودی کامل ارائه میشود.
توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا
لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی: واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248 تلگرام: @ma_limbs
چکیده
Road traffic accidents (RTA) pose a significant public health threat worldwide, leading to considerable loss of life and economic burdens. This is particularly acute in developing countries like Bangladesh. Building reliable models to forecast crash outcomes is crucial for implementing effective preventive measures. To aid in developing targeted safety interventions, this study presents a machine learning-based approach for classifying fatal and non-fatal road accident outcomes using data from the Dhaka metropolitan traffic crash database from 2017 to 2022. Our framework utilizes a range of machine learning classification algorithms, comprising Logistic Regression, Support Vector Machines, Naive Bayes, Random Forest, Decision Tree, Gradient Boosting, LightGBM, and Artificial Neural Network. We prioritize model interpretability by employing the SHAP (SHapley Additive exPlanations) method, which elucidates the key factors influencing accident fatality. Our results demonstrate that LightGBM outperforms other models, achieving a ROC-AUC score of 0.72. The global, local, and feature dependency analyses are conducted to acquire deeper insights into the behavior of the model. SHAP analysis reveals that casualty class, time of accident, location, vehicle type, and road type play pivotal roles in determining fatality risk. These findings offer valuable insights for policymakers and road safety practitioners in developing countries, enabling the implementation of evidence-based strategies to reduce traffic crash fatalities.
چکیده به فارسی (ترجمه ماشینی)
حوادث ترافیک جاده ای (RTA) تهدیدی قابل توجه در بهداشت عمومی در سراسر جهان ایجاد می کند و منجر به از بین رفتن قابل توجه زندگی و بارهای اقتصادی می شود.این امر به ویژه در کشورهای در حال توسعه مانند بنگلادش حاد است.ساخت مدلهای قابل اعتماد برای پیش بینی نتایج تصادف برای اجرای اقدامات پیشگیرانه مؤثر بسیار مهم است.برای کمک به توسعه مداخلات ایمنی هدفمند ، این مطالعه یک رویکرد مبتنی بر یادگیری ماشین را برای طبقه بندی نتایج تصادفات کشنده و غیر کشنده با استفاده از داده های بانک اطلاعاتی تصادف ترافیک کلانشهر داکا از سال 2017 تا 2022 ارائه می دهد. چارچوب ما از طیف وسیعی از طبقه بندی یادگیری ماشین استفاده می کندالگوریتم ها ، شامل رگرسیون لجستیک ، ماشین های بردار پشتیبانی ، بیوها ، جنگل تصادفی ، درخت تصمیم گیری ، تقویت شیب ، LightGBM و شبکه عصبی مصنوعی.ما با استفاده از روش ShAP (توضیحات افزودنی Shapley) ، تفسیر مدل را در اولویت قرار می دهیم ، که عوامل اصلی مؤثر بر مرگ و میر تصادف را روشن می کند.نتایج ما نشان می دهد که LightGBM از سایر مدل ها بهتر عمل می کند و به نمره ROC-AUC 0.72 می رسد.تجزیه و تحلیل وابستگی جهانی ، محلی و ویژگی برای به دست آوردن بینش عمیق تر از رفتار مدل انجام می شود.تجزیه و تحلیل Shap نشان می دهد که کلاس تلفات ، زمان تصادف ، موقعیت مکانی ، نوع وسیله نقلیه و نوع جاده نقش محوری در تعیین خطر مرگ و میر بازی می کند.این یافته ها بینش های ارزشمندی را برای سیاست گذاران و پزشکان ایمنی جاده در کشورهای در حال توسعه ارائه می دهد و امکان اجرای استراتژی های مبتنی بر شواهد برای کاهش تلفات تصادف در ترافیک را فراهم می کند.
📚 محتوای این محصول آموزشی (پکیج کامل)
علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیقتر و تسلط کامل بر مباحث مجموعهای از کتابهای آموزشی نیز ارائه میشود.
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
این محصول به صورت فایل دانلودی کامل ارائه میشود.
توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا
لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی: واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248 تلگرام: @ma_limbs
