Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Universidade Federal de Uberlândia (UFU) | - |
Autor(es): dc.contributor | Universidade de São Paulo (USP) | - |
Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
Autor(es): dc.creator | Chuerubim, Maria Lígia | - |
Autor(es): dc.creator | Valejo, Alan | - |
Autor(es): dc.creator | Bezerra, Barbara Stolte | - |
Autor(es): dc.creator | da Silva, Irineu | - |
Data de aceite: dc.date.accessioned | 2025-08-21T18:49:27Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T18:49:27Z | - |
Data de envio: dc.date.issued | 2023-07-29 | - |
Data de envio: dc.date.issued | 2023-07-29 | - |
Data de envio: dc.date.issued | 2019-01-01 | - |
Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/249111 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/249111 | - |
Descrição: dc.description | The objective of this study is to discuss the main constraints in classifying the severity of road accidents using Artificial Neural Networks (ANN). To achieve this, ANN modelling with Multiple Layers Perceptron (MPL) was used. This method is recommended for treating non-linear problems, whose distributions are not normal, which is the case for road accidents. Variables associated with the characteristics of accidents, road infrastructure and environmental conditions were used, with the objective of identifying the influence of these factors in the accident severity. The results indicated that ANN modelling with MPL presents a potential association among the parameters related to road accidents. However, the results are limited, since the classification process provides a low rate of accuracy for accidents with victims. Such accidents correspond to less frequent observations in the database, meaning that the data is less represented, and the database becomes unbalanced. Thus, for further research studies, the use of ANN with MPL associated with data balancing methods is suggested, in order to obtain the best data fit to the model and more consistent and realistic results. | - |
Descrição: dc.description | Faculty of Civil Engineering Federal University of Uberlândia | - |
Descrição: dc.description | Institute of Mathematical and Computer Sciences University of São Paulo | - |
Descrição: dc.description | Faculty of Civil Engineering UNESP São Paulo State University | - |
Descrição: dc.description | Department of Transport Engineering School of Engineering of São Carlos University of São Paulo | - |
Descrição: dc.description | Faculty of Civil Engineering UNESP São Paulo State University | - |
Formato: dc.format | 927-940 | - |
Idioma: dc.language | en | - |
Relação: dc.relation | Sigma Journal of Engineering and Natural Sciences | - |
???dc.source???: dc.source | Scopus | - |
Palavras-chave: dc.subject | artificial neural networks | - |
Palavras-chave: dc.subject | classification | - |
Palavras-chave: dc.subject | road accidents | - |
Palavras-chave: dc.subject | severity | - |
Palavras-chave: dc.subject | Unbalanced data | - |
Título: dc.title | ARTIFICIAL NEURAL NETWORKS RESTRICTION FOR ROAD ACCIDENTS SEVERITY CLASSIFICATION IN UNBALANCED DATABASE | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositório Institucional - Unesp |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: