トランスフォーマーからの双方向エンコーダ表現（BERT）を使用して交通事故の重傷度タイプを分類する

交通事故は重要な安全問題です。多くの研究が、多様な統計学的および機械学習モデルを適用して安全性に関する幅広い研究を実施することによって交通安全の向上を試みています。警察が報告した事故のナラティブ情報に含まれるデータ要素は、通常、コーディングされた構造化事故データと一緒に分析されることはありません。近年、交通事故のナラティブにおける非構造的なテキスト内容が多くの研究者によって調査されています。しかし、これらの研究のほとんどは基本的なテキストマイニングの応用であり、データセットのサイズが制限されていることが多いです。この研究では、750,000件以上のユニークな事故ナラティブレポートのデータセットを使用して交通事故の負傷タイプを分類するために、高度な言語モデルである双方向エンコーダ表現（BERT）を適用しました。モデルは、84.2％ ±0.5の予測精度と、クラスごとに0.93 ± 0.06の受信者動作特性曲線（AUC）を持っています。全体として、これらの結果は安全エンジニアやアナリストが事故の原因を特定するのに役立ちます。BERTのような言語モデルを使用した事故負傷タイプの分類は、事故に寄与する追加要因を特定するための貴重なツールであり、新しい安全対策の分野を特定し、新しい安全戦略の開発をサポートします。