利用机器学习方法预测悉尼大都市区交通事件的持续时间
原文中文，约400字，阅读约需1分钟。发表于：。本研究提出了一种全面的方法来预测悉尼大都市区交通事故的持续时间，并将其分类为短期或长期。我们利用包含交通事故详细记录、道路网络特征和社会经济指标的数据集，通过训练和评估包括 Gradient Boosted Decision Trees (GBDT)、Random Forest、LightGBM 和 XGBoost 在内的各种先进机器学习模型。我们的实验结果表明，XGBoost 和...
该研究评估了大型语言模型在交通事故管理中的应用，发现结合语言模型特征和事故报告特征可以提高事故严重程度预测准确性，对改进事故管理的机器学习工作流程具有重要贡献。
