准确预测交通事故严重性仍然具有挑战性，因为特征耦合和类别不平衡阻碍了在自动驾驶安全系统中的可靠应用。本研究提出了一种动态和静态交叉熵集成神经网络（DSCE-INN）来解决这些问题。采用2017-2021年中国国家汽车事故深入调查系统（NAIS）的857个真实事故案例，开发了加权伤害系数，以实现连续伤害映射，K均值聚类将严重性重新分类为三个级别：仅财产损失、非致残伤害，以及致残或致命伤害。信息增益识别了11个关键特征。DSCE-INN采用特征解耦，将多分类任务转换为二元子模型，并引入了动态-静态加权交叉熵损失，以共同减轻耦合和不平衡。结合L1正则化和焦点损失的软硬投票机制，进一步增强了预测的鲁棒性。实验结果显示准确率为0.782、0.729和0.801，显著优于基线ANN。研究结果证明了DSCE-INN在自动驾驶安全方面的有效性和实际价值。
Tan等人（星期四）研究了这个问题。