迈向可审计且校准的痴呆相关交通事故严重程度预测 AI：支持人工复核的选择性延迟框架
英文标题：Toward Auditable and Calibrated AI for Dementia-Related Crash Severity Prediction: A Selective Deferral Framework to Support Human Review
该研究关注利用公共交通事故数据库开展自动化安全分析，并指出事故严重程度预测难以直接融入公共部门决策流程。作者认为，若仅将模型作为普通分类器进行评估，难以满足实际工作流对可靠性、可审计性和人工复核的需求。研究提出以“选择性延迟”为核心的框架，旨在让 AI 对不确定或高风险案例交由人工审查，从而支持痴呆相关事故的严重程度预测。原始摘要在“本研究重新界定”处截断，未提供具体实验数据和结论。
打开原文相关 1.6 · 机会 1
2.1 KB
612 B
380 B
9.1 KB
32.7 KB
22.8 KB
24.2 KB
34.7 KB
中文
arXiv:2609.22694v1
公告类型：新论文
摘要
公共交通事故数据库正日益支持自动化安全分析，但当模型主要被作为普通分类器进行评估时，事故严重程度预测仍难以转化为公共部门决策工作流中的实际应用。本研究重新界定……（原文在此处截断）
BibTeX 格式引用
English / 原文
BibTeX formatted citation
×