Građevinar, Vol. 77 No. 12., 2025.
Izvorni znanstveni članak
https://doi.org/10.14256/JCE.4319.2025
Predviđanje nesigurnih cestovnih dionica pomoću strojnog učenja
Riste Ristov
Slobodan Ognjenović
Zlatko Zafirovski
Sažetak
U ovome je radu opisana metodologija strojnog učenja za predviđanje opasnih cestovnih dionica primjenom ponderiranog indeksa nesreća (Wi). U analizu uključena je 161 cestovna dionica u Sjevernoj Makedoniji, ukupne duljine oko 1300 km, pri čemu su razmotrene 23 varijable svrstane u skupine koje se odnose na cestu, promet, okoliš i nesreće. Utjecaj značajki vrednovan je primjenom šest modela, uz podjelu podataka na skup za učenje i skup za testiranje u omjeru 80 : 20. Primjenom ponderiranog SHAP-a izvedeno je jedinstveno rangiranje varijabli, dok je konačni prediktivni model XGBoost temeljen na 15 ulaznih značajki. Potvrđena učinkovitost modela iznosi R² = 0,65, a u sklopu operativne prioritizacije postignut je AUROC = 0,69 pri Wi ≥ 10,13, što nadležnim institucijama omogućuje pravodobnu identifikaciju opasnih dionica i odgovarajuće intervencije.
Ključne riječi
sigurnost u prometu; strojno učenje; predviđanje; SHAP; ponderirani indeks nesreća; analiza prometa
Hrčak ID:
344215
URI
Datum izdavanja:
1.2.2026.
Posjeta: 459 *