Analysis of discrete data from traffic accidents

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985556%3A_____%2F17%3A00476653" target="_blank" >RIV/67985556:_____/17:00476653 - isvavai.cz</a>

Výsledek na webu

<a href="http://dx.doi.org/10.1109/SCSP.2017.7973843" target="_blank" >http://dx.doi.org/10.1109/SCSP.2017.7973843</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1109/SCSP.2017.7973843" target="_blank" >10.1109/SCSP.2017.7973843</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Analysis of discrete data from traffic accidents

Popis výsledku v původním jazyce

This paper deals with the data analysis of traffic accidents. Traffic accidents can be caused by different reasons, e.g., by watchfulness of a driver, failure of a vehicle, bad structural arrangements, etc. The aim of this paper is to investigate seriousness of incidents in dependence on different circumstances of an accident. Description of these circumstances leads to the use of a high number of different variables (about 50 variables), which are mostly discrete. The majority of statistical methods dealing with discrete variables use a frequency table. This is not suitable for traffic data because of a huge dimension. In this paper, several methods are proposed for solution to the problem with high-dimensional traffic data.

Název v anglickém jazyce

Analysis of discrete data from traffic accidents

Popis výsledku anglicky

This paper deals with the data analysis of traffic accidents. Traffic accidents can be caused by different reasons, e.g., by watchfulness of a driver, failure of a vehicle, bad structural arrangements, etc. The aim of this paper is to investigate seriousness of incidents in dependence on different circumstances of an accident. Description of these circumstances leads to the use of a high number of different variables (about 50 variables), which are mostly discrete. The majority of statistical methods dealing with discrete variables use a frequency table. This is not suitable for traffic data because of a huge dimension. In this paper, several methods are proposed for solution to the problem with high-dimensional traffic data.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10102 - Applied mathematics

Projekt

<a href="/cs/project/GA15-03564S" target="_blank" >GA15-03564S: Shlukování a klasifikace s využitím rekurzivního odhadování modelu směsi distribucí</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2017

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

2017 Smart City Symposium Prague (SCSP)

ISBN

978-1-5386-3826-2

ISSN

—

e-ISSN

—

Počet stran výsledku

4

Strana od-do

7973843

Název nakladatele

IEEE

Místo vydání

Piscataway

Místo konání akce

Prague

Datum konání akce

25. 5. 2017

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

000443416600017