作者： Abiodun Finbarrs Oketunji, James Hanify, Salter Heffron-Smith
提交/修订日期： 2023年12月14日提交，2023年12月15日修订 (v2)
摘要： 本研究利用长短期记忆 (LSTM) 网络的预测能力，分析和预测英国的道路交通事故。研究旨在应对交通事故预测这一挑战，这对于制定有效的预防措施至关重要。我们使用了由英国交通部 (DfT) 提供的广泛数据集，涵盖了从1926年到2022年报告的碰撞、伤亡和车辆参与情况。数据经过了严格的预处理以修正缺失值并归一化特征，以确保为LSTM网络提供稳健的输入。
主题/分类：
- 主要分类： 机器学习 (cs.LG)
- 其他分类： 人工智能 (cs.AI); 软件工程 (cs.SE)
- ACM 分类： I.2.7
DOI：
- arXiv DOI: https://doi.org/10.48550/arXiv.2312.08948
- 相关 DOI: https://doi.org/10.5281/zenodo.10388170