Articles de recherche

(English) Using Data Mining Techniques to Understand Collision Processes

Nom de fichier 1A-Nicolas-Saunier.pdf
Taille du fichier 239 KB
Version 1
Date ajoutée 8 mai 2011
Téléchargé 6 times/fois
Catégorie 2011 CMRSC XXI Halifax
Tags Session 1A
Author/Auteur Nicolas Saunier, Nadia Mourji, Bruno Agard

Résumé

Dans le but d’améliorer la sécurité routière, il est nécessaire de mieux comprendre les processus de collision, i.e. les chaînes d’événements qui mènent à la collision. Parmi les bénéfices, de meilleures mesures pourraient être prises pour cibler les causes et les facteurs connus pour mener à des collisions. Cela aiderait aussi à développer des mesures substitutives de sécurité basées sur des événements sans collision dont les liens à la collision sont connus. Cet article décrit la première phase d’un projet reposant sur des données microscopiques extraites de capteurs vidéo et sur des méthodes de fouille de données afin d’identifier des régularités dans un ensemble d’événements de la circulation avec et sans collision. Cette approche est appliquée à un ensemble de données collectées au Kentucky comprenant 295 événements, dont 213 conflits et 82 collisions. Leur classification non-supervisée à l’aide de l’algorithme des k-médoïdes produit 3 groupes avec des caractéristiques distinctes reliées à la vitesse et au type, ou à l’absence, de manœuvre d’évitement. Les attributs les plus importants pour déterminer le résultat d’un événement (collision ou pas) sont identifiés à l’aide d’un modèle logit.

Nicolas Saunier, Nadia Mourji, Bruno Agard