Predicting the Occurrence of Accidents on the Road using Time Series Techniques

Abstract

Accident Forecasting using Time Series Techniques for Accuracy. It is a challenging research. This research aims to create efficient models for forecasting using time series technique. Linear regression (LR), Artificial Neural Networks: ANN (ANN), Sequential Minimal Optimization for Regression (SMOreg), Support Vector Machine for Regression (SVMR) และ Gussian Process (GP) .And can display the forecast results through the website. The website uses data from the monthly traffic accident's work. Police Station in Khon Kaen from January 2011 to June 2017 78 months. Modeling Performance Measurement Experiment the data into a learning set and A total of 7 test data sets using the sliding window principle.And measure the predictive efficiency of the model with the mean absolute error (MAE) and root mean square error (RMSE) to measure the efficiency of the model.The study found that SVMR techniques can predict road accidents by time series technique. The lowest error value. From vehicles at 1.42, from 8.99, and from a loss of 3.19, compared to LR, ANN, SMOreg and Gussian Process models, the SVMR technique is most suitable for predicting road accidents.

การพยากรณ์การเกิดอุบัติเหตุโดยใช้เทคนิคอนุกรมเวลาให้มีความแม่นยำ เป็นงานวิจัยที่ท้าทาย งานวิจัยนี้จึงมีวัตถุประสงค์ เพื่อสร้างแบบจำลองที่มีประสิทธิภาพในการพยากรณ์โดยใช้เทคนิคอนุกรมเวลา คือ Linear regression (LR), Artificial Neural Networks: ANN (ANN), Sequential Minimal Optimization for Regression (SMOreg), Support Vector Machine for Regression (SVMR) และ Gussian Process (GP) และสามารถแสดงผลการพยากรณ์ผ่านทางเว็บไซต์ โดยใช้ข้อมูลจากงานอุบัติเหตุจราจรรายเดือนของ สถานีตำรวจอำเภอเมืองขอนแก่น ตั้งแต่เดือนมกราคม 2554 ถึงเดือนมิถุนายน 2560 จำนวน 78 เดือน การวัดประสิทธิภาพแบบจำลอง ได้ทดลองแบ่งชุดข้อมูลออกเป็นชุดข้อมูลเรียนรู้และ ชุดข้อมูลทดสอบ ทั้งหมดจำนวน 7 รอบ โดยการใช้หลักการ Sliding window และวัดประสิทธิภาพการพยากรณ์ของแบบจำลองด้วยค่า mean absolute error (MAE) และ root mean square error (RMSE) เพื่อวัดประสิทธิภาพของแบบจำลองนั้น

จากการศึกษาพบว่าเทคนิค SVMR สามารถพยากรณ์การเกิดอุบัติเหตุบนท้องถนนด้วยเทคนิคอนุกรมเวลา ได้ค่าความผิดพลาดต่ำที่สุด จากยานพาหนะที่ 1.42 จากเพศที่ 8.99 และจากการสูญเสีย 3.19 เมื่อเปรียบเทียบกับแบบจำลองที่สร้างด้วยเทคนิค LR,ANN, SMOreg และ Gussian Process เทคนิค SVMR มีความเหมาะสมมากที่สุดในการพยากรณ์การเกิดอุบัติเหตุบนท้องถนน