A Flexible Modeling Approach Using Dirichlet Process Mixtures: Application to Multi-Level Railway Grade Crossing Crash Data
Notice bibliographique
Résumé
This paper introduces a new approach to addressing two of the most challenging issues in road safety research, namely, how to account for unobserved heterogeneity and how to identify latent subpopulations in data. Compared to the approaches of applying random effects/parameters models and finite mixtures, the proposed approach employs a Bayesian semi-parametric methodology based on Dirichlet process mixtures. Our method has four noteworthy advantages: (i) it allows examining the robustness of distributional assumptions in random effects/parameters models; (ii) it allows identifying latent clusters in data; (iii) it enables identification of outliers (extreme observations) while allowing accommodating them in analyses without compromising the quality of estimates; and (iv) it is capable of estimating the number of latent clusters in data using an elegant mathematical structure. In this paper, we evaluate the proposed method on a railway grade crossing crash dataset with hierarchical (multilevel) structure, at municipality level, from Canada for the years 2008 to 2013. We use cross-validation predictive densities and pseudo Bayes factor for Bayesian model selection. While confirming the need for the multilevel modeling approach, the results pointed out the inadequacy of the parametric assumption. In fact, our proposed method improved model fitting significantly for the municipality-level data. In a fully probabilistic framework, we also identified the expected number of latent clusters with similar unknown/unmeasured features among 81 Canadian municipalities. It is possible thus to further investigate the reasons behind such similarities and dissimilarities, which could have important policy implications in terms of safety management process.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,016 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,004 |
| Science ouverte | 0,005 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».