मशीन लर्निंग आधारित दुर्घटना पूर्वानुमान मॉडलों में प्रगति, चुनौतियाँ, और भविष्य के अनुसंधान आवश्यकताएँ: एक प्रणालीबद्ध समीक्षा

दुर्घटनाओं का सटीक मॉडलिंग करना, और दुर्घटना होने की भविष्यवाणी करना तथा संबंधित गंभीरताओं का अनुमान लगाना, प्रतिकार उपायों के निर्माण और प्रभावी सड़क सुरक्षा प्रबंधन रणनीतियों के विकास के लिए एक पूर्वापेक्षा है। इस उद्देश्य के लिए, मशीन लर्निंग का उपयोग करते हुए दुर्घटना पूर्वानुमान मॉडलिंग में पिछले दो दशकों में प्रगति हुई है। बड़े डेटा के आगमन के साथ, जो दुर्घटना तंत्र और इसके निर्धारकों को बेहतर समझने के लिए अभूतपूर्व अवसर प्रदान करता है, ऐसे प्रयास तेजी से बढ़ सकते हैं। इन प्रयासों को आगे बढ़ाने के लिए, अत्याधुनिक मशीन लर्निंग आधारित दुर्घटना पूर्वानुमान मॉडलों को समझना महत्वपूर्ण है ताकि पिछले प्रयासों से सीखे गए सबक को संक्षेप में प्रस्तुत किया जा सके, जो मजबूत और सटीक मॉडलों के विकास में सहायक हो सकता है। यह समीक्षा पत्र इस अंतर को संबोधित करने के उद्देश्य से मशीन लर्निंग अध्ययन की प्रणालीबद्ध समीक्षा करने का लक्ष्य रखता है। मॉडलों की समीक्षा आवेदन के तीन पहलुओं से की जाती है: (क) दुर्घटना होने (या वास्तविक समय की दुर्घटना) की भविष्यवाणी, (ख) दुर्घटना आवृत्ति की भविष्यवाणी, और (ग) चोट की गंभीरता की भविष्यवाणी। इसके अतिरिक्त, मॉडल प्रदर्शन को प्रभावित करने वाली जटिलताओं की पहचान की गई है और उनका गहन समीक्षा की गई है। यह समग्र समीक्षा तीन उल्लिखित मॉडल अनुप्रयोगों में विशिष्ट अंतराल और भविष्य के अनुसंधान आवश्यकताओं को उजागर करती है, जैसे कि दुर्घटना होने के मॉडलों के लिए गैर-दुर्घटना घटनाओं का अनुचित चयन, दुर्घटना आवृत्ति मॉडलों की भविष्यवाणी की अयोग्यता, और चोट की गंभीरता श्रेणियों में असंगति। मॉडल विकास, मूल्यांकन और अनुप्रयोग से संबंधित महत्वपूर्ण अनुसंधान आवश्यकताओं पर भी चर्चा की जाती है। यह समीक्षा दुर्घटना पूर्वानुमान मॉडलिंग के लिए मशीन लर्निंग मॉडलों में विधागत प्रगति और बड़े डेटा का लाभ उठाने की अपेक्षा करती है ताकि दुर्घटनाओं को उनके निर्धारकों के साथ बेहतर ढंग से जोड़ा जा सके।