Buchumschlag

From Canopy to Collision: A Hybrid Predictive Framework for Identifying Risk Factors in Tree-Involved Traffic Crashes

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Azim, Abdul, Hossain, Ahmed, Maitra, Soumyadip, Kalambay, Panick
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Predicting and Explaining Traffic Crash Severity Through Crash Feature Selection
von: Castellani, Andrea, et al.
Veröffentlicht: (2025)

CrashFormer: A Multimodal Architecture to Predict the Risk of Crash
von: Monsefi, Amin Karimi, et al.
Veröffentlicht: (2024)

Predictive Crash Analytics for Traffic Safety using Deep Learning
von: Sivakoti, Karthik
Veröffentlicht: (2025)

Quantum Transfer Learning for MNIST Classification Using a Hybrid Quantum-Classical Approach
von: Sarkar, Soumyadip
Veröffentlicht: (2024)

Crash Severity Prediction Using Deep Learning Approaches: A Hybrid CNN-RNN Framework
von: Koohfar, Sahar
Veröffentlicht: (2025)

Assessing the Role of Intersection Proximity in Pedestrian Crashes: Insights from Data Mining Approach
von: Hossain, Ahmed, et al.
Veröffentlicht: (2026)

Advanced Crash Causation Analysis for Freeway Safety: A Large Language Model Approach to Identifying Key Contributing Factors
von: Abdelrahman, Ahmed S., et al.
Veröffentlicht: (2025)

Vehicle-group-based Crash Risk Prediction and Interpretation on Highways
von: Zhu, Tianheng, et al.
Veröffentlicht: (2024)

MSCT: Addressing Time-Varying Confounding with Marginal Structural Causal Transformer for Counterfactual Post-Crash Traffic Prediction
von: Li, Shuang, et al.
Veröffentlicht: (2024)

Real-time Secondary Crash Likelihood Prediction Excluding Post Primary Crash Features
von: Han, Lei, et al.
Veröffentlicht: (2026)

SpatialMAGIC: A Hybrid Framework Integrating Graph Diffusion and Spatial Attention for Spatial Transcriptomics Imputation
von: Zaman, Sayeem Bin, et al.
Veröffentlicht: (2026)

An Augmented Surprise-guided Sequential Learning Framework for Predicting the Melt Pool Geometry
von: Raihan, Ahmed Shoyeb, et al.
Veröffentlicht: (2024)

Risk-Informed Diffusion Transformer for Long-Tail Trajectory Prediction in the Crash Scenario
von: Chen, Junlan, et al.
Veröffentlicht: (2025)

Quantum Generative Modeling using Parameterized Quantum Circuits
von: Sarkar, Soumyadip
Veröffentlicht: (2023)

MiniTensor: A Lightweight, High-Performance Tensor Operations Library
von: Sarkar, Soumyadip
Veröffentlicht: (2026)

From Narratives to Probabilistic Reasoning: Predicting and Interpreting Drivers' Hazardous Actions in Crashes Using Large Language Model
von: Chen, Boyou, et al.
Veröffentlicht: (2025)

CarCrashNet: A Large-Scale Dataset and Hierarchical Neural Solver for Data-Driven Structural Crash Simulation
von: Elrefaie, Mohamed, et al.
Veröffentlicht: (2026)

Inferring Heterogeneous Treatment Effects of Crashes on Highway Traffic: A Doubly Robust Causal Machine Learning Approach
von: Li, Shuang, et al.
Veröffentlicht: (2024)

A Data Mining-Based Dynamical Anomaly Detection Method for Integrating with an Advance Metering System
von: Maitra, Sarit
Veröffentlicht: (2024)

Systemic Risk Radar: A Multi-Layer Graph Framework for Early Market Crash Warning
von: Neela, Sandeep
Veröffentlicht: (2025)

Quantitative Trading using Deep Q Learning
von: Sarkar, Soumyadip
Veröffentlicht: (2023)

Feature Group Tabular Transformer: A Novel Approach to Traffic Crash Modeling and Causality Analysis
von: Lares, Oscar, et al.
Veröffentlicht: (2024)

FairTP: A Prolonged Fairness Framework for Traffic Prediction
von: Xia, Jiangnan, et al.
Veröffentlicht: (2024)

AIS-LLM: A Unified Framework for Maritime Trajectory Prediction, Anomaly Detection, and Collision Risk Assessment with Explainable Forecasting
von: Park, Hyobin, et al.
Veröffentlicht: (2025)

Unsupervised Learning of Hybrid Latent Dynamics: A Learn-to-Identify Framework
von: Ye, Yubo, et al.
Veröffentlicht: (2024)

Crash Severity Risk Modeling Strategies under Data Imbalance
von: Mamun, Abdullah Al, et al.
Veröffentlicht: (2024)

Explainable AI and Machine Learning for Exam-based Student Evaluation: Causal and Predictive Analysis of Socio-academic and Economic Factors
von: Akter, Bushra, et al.
Veröffentlicht: (2025)

Weather-Related Crash Risk Forecasting: A Deep Learning Approach for Heterogenous Spatiotemporal Data
von: Ogungbire, Abimbola, et al.
Veröffentlicht: (2026)

CRADIPOR: Crash Dispersion Predictor
von: Chaillou, Edgar, et al.
Veröffentlicht: (2026)

PPTNet: A Hybrid Periodic Pattern-Transformer Architecture for Traffic Flow Prediction and Congestion Identification
von: Kou, Hongrui, et al.
Veröffentlicht: (2025)

TPLLM: A Traffic Prediction Framework Based on Pretrained Large Language Models
von: Ren, Yilong, et al.
Veröffentlicht: (2024)

Exploring Factors Affecting Pedestrian Crash Severity Using TabNet: A Deep Learning Approach
von: Rafe, Amir, et al.
Veröffentlicht: (2023)

Beyond Accuracy: A Unified Random Matrix Theory Diagnostic Framework for Crash Classification Models
von: Shihab, Ibne Farabi, et al.
Veröffentlicht: (2026)

Adaptive Cluster-Based Synthetic Minority Oversampling Technique for Traffic Mode Choice Prediction with Imbalanced Dataset
von: Ooi, Guang An, et al.
Veröffentlicht: (2025)

Multi-vessel Interaction-Aware Trajectory Prediction and Collision Risk Assessment
von: Alam, Md Mahbub, et al.
Veröffentlicht: (2025)

Controllable Collision Scenario Generation via Collision Pattern Prediction
von: Chen, Pin-Lun, et al.
Veröffentlicht: (2025)

FAST: A Synergistic Framework of Attention and State-space Models for Spatiotemporal Traffic Prediction
von: Li, Xinjin, et al.
Veröffentlicht: (2026)

Beyond Crash: Hijacking Your Autonomous Vehicle for Fun and Profit
von: Sun, Qi, et al.
Veröffentlicht: (2026)

Leveraging Large Language Models with Chain-of-Thought and Prompt Engineering for Traffic Crash Severity Analysis and Inference
von: Zhen, Hao, et al.
Veröffentlicht: (2024)

FedDis: A Causal Disentanglement Framework for Federated Traffic Prediction
von: Zhou, Chengyang, et al.
Veröffentlicht: (2026)