Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards MyNewsletter Firmensuche
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
Automotive Acoustics Conference 2025

Call for Papers - Deadline: 13. Januar 2025.

Wir möchten Sie dazu einladen, Ihre Vorschläge für einen Vortrag auf der Automotive Acoustics Conference 2025 einzureichen und mit uns neue Verfahren der nachhaltigen Lärmminderung zu erforschen. Wir freuen uns auf Ihre Anregungen für innovative, umweltfreundliche und intelligente Verfahren zur Gestaltung der Zukunft der Fahrzeugakustik.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Kapitel lesen Erstes Kapitel lesen

2025 | OriginalPaper | Buchkapitel

Safe-Path: A Perspective on Next-Generation Road Safety Recommendations

verfasst von : Khedher Ibtissem, Faci Noura, Faiz Sami

Erschienen in: Web Information Systems Engineering – WISE 2024

Verlag: Springer Nature Singapore

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Recommending safe routes has become a fundamental necessity due to the increasing number of accidents. This heavily relies on how to evaluate the road severity. Existing recommendation systems are based on user feedback, either positive or negative. However, this type of evaluation overlooks many aspects of road severity like accident history and volunteered geographic information on road conditions. To fill this gap, we elaborate a comprehensive and predictive road risk analysis, relying on objective and subjective data. To recommend safe roads, we propose an algorithm called Safe-Path based on accurate and reliable risk values. To validate our approach, we conduct some experiments to benchmark various machine and deep learning models.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel DefectClassifierX: A Cross-Platform Automated Pattern Classification System for Wafer Defects
Nächstes Kapitel Unsupervised and Dynamic Dendrogram-Based Visualization of Medical Data
Literatur
1.
2.
Sharkin, B.S.: Road rage: risk factors, assessment, and intervention strategies. J. Couns. Dev. 82(2), 191–198 (2004)CrossRef
3.
Valent, F., Schiava, F., Savonitto, C., Gallo, T., Brusaferro, S., Barbone, F.: Risk factors for fatal road traffic accidents in Udine. Italy. Accid. Anal. Prev. 34(1), 71–84 (2002)
4.
Vorko-Jović, A., Kern, J., Biloglav, Z.: Risk factors in urban road traffic accidents. J. Safety Res. 37(1), 93–98 (2006)CrossRef
5.
Papadimitriou, E., Filtness, A., Theofilatos, A., Ziakopoulos, A., Quigley, C., Yannis, G.: Review and ranking of crash risk factors related to the road infrastructure. Accid. Anal. Prev. 125, 85–97 (2019)CrossRef
6.
Huang, H., Li, Y., Zheng, X., Wang, J., Xu, Q., Zheng, S.: Objective and subjective analysis to quantify influence factors of driving risk. In: 2019 IEEE Intelligent Transportation Systems Conference (ITSC), pp. 4310-4316. IEEE (2019, October)
7.
Luburić, G., Perković Blašković, A., Hasani, H.: Risk assessment of traffic accidents involving young adult drivers by identification of subjective and objective factors. Promet-Traffic Transp. 35(1), 27–36 (2023)CrossRef
8.
Eboli, L., Mazzulla, G., Pungillo, G.: How to define the accident risk level of car drivers by combining objective and subjective measures of driving style. Transport. Res. F: Traffic Psychol. Behav. 49, 29–38 (2017)CrossRef
9.
Zhang, S., Luo, Z., Yang, L., Teng, F., Li, T.: A survey of route recommendations: methods, applications, and opportunities. Inf. Fus. 102413 (2024)
10.
Wang, H., et al.: R3: a real-time route recommendation system. Proc. VLDB Endowment 7(13), 1549–1552 (2014)
11.
Dai, J.M., Liu, T.A.J., Lin, H.Y.: Road surface detection and recognition for route recommendation. In: 2017 IEEE Intelligent Vehicles Symposium (IV), pp. 121–126. IEEE (2017, June)
12.
De Souza, A.M., Pedrosa, L.L., Botega, L.C., Villas, L.: ItsSAFE: an intelligent transportation system for improving safety and traffic efficiency. In: 2018 IEEE 87th Vehicular Technology Conference (VTC Spring), pp. 1–7. IEEE (2018, June)
13.
Jung, J., Park, S., Kim, Y., Park, S.: Route recommendation with dynamic user preference on road networks. In 2019 IEEE International Conference on Big Data and Smart Computing (BigComp), pp. 1–7. IEEE (2019, February)
14.
Jain, J., Bagadia, V., Manchanda, S., Ranu, S.: Neuromlr: Robust & reliable route recommendation on road networks. Adv. Neural. Inf. Process. Syst. 34, 22070–22082 (2021)
15.
Nouh, R., Singh, M., Singh, D.: SafeDrive: hybrid recommendation system architecture for early safety predication using Internet of Vehicles. Sensors 21(11), 3893 (2021)CrossRef
16.
Hossain, E., Karim, M.R., Hasan, M., Zaoad, S.A., Tanjim, T., Khan, M.M.: SPaFE: a crowdsourcing and multimodal recommender system to ensure travel safety in a city. IEEE Access 10, 71221–71232 (2022)CrossRef
17.
Zaoad, S.A., Mamun-Or-Rashid, M., Khan, M.M.: CrowdSPaFE: a crowd-sourced multimodal recommendation system for urban route safety. IEEE Access 11, 23157–23166 (2023)CrossRef
18.
Theron, K., Breetzke, G.: What’s the safest way home? Mapping safe transport routes in South Africa with (and without) crime data. J. Transp. Secur. 17(1), 10 (2024)CrossRef
19.
Svennerberg, G.: Beginning Google Maps API 3. Apress (2010)
20.
Mehta, H., Kanani, P., Lande, P.: Google maps. Int. J. Comput. Appl. 178(8), 41–46 (2019)
21.
Sathiyanarayanan, M., Mulling, T.: Map navigation using hand gesture recognition: a case study using MYO connector on apple maps. Procedia Comput. Sci. 58, 50–57 (2015)CrossRef
22.
Candra, A., Budiman, M. A., Hartanto, K.: Dijkstra’s and a-star in finding the shortest path: a tutorial. In: 2020 International Conference on Data Science, Artificial Intelligence, and Business Analytics (DATABIA) , pp. 28–32. IEEE (2020, July)
23.
24.
25.
Khedher, I., Faiz, S., Gazah, S.: R-Safety: a mobile crowdsourcing platform for road safety in smart cities. In: 2022 8th International Conference on Control, Decision and Information Technologies (CoDIT), Vol. 1, pp. 950–955. IEEE (2022, May)
26.
Atanasova, P., Kirilov, F.: Road Safety Estimation in Bulgaria from S2010 To 2018. Int. J. Trans. Syst. 4 (2019)
27.
Solanke, V.L., Patil, D.D., Patkar, A.S., Tamrale, G.S., Kale, A.G.: Analysis of existing road surface on the basis of pothole characteristics. Glob. J. Res. Eng 19(3), 17–23 (2019)
28.
Li, Z., Zhou, X., Wang, X., Guo, Z.: Study on subjective and objective safety and application of expressway. Procedia. Soc. Behav. Sci. 96, 1622–1630 (2013)CrossRef
29.
Chen, T., et al.: XGBoost: extreme gradient boosting. R package version 0.4-2 1(4), 1–4 (2015)
30.
Kleinbaum, D.G., Dietz, K., Gail, M., Klein, M., Klein, M.: Logistic regression, pp. 536. Springer-Verlag, New York (2002)
31.
Menard, S.: Applied logistic regression analysis, Vol. 106. Sage (2002)
32.
Fang, T., Lahdelma, R.: Evaluation of a multiple linear regression model and SARIMA model in forecasting heat demand for district heating system. Appl. Energy 179, 544–552 (2016)CrossRef
33.
Newbold, P.: ARIMA model building and the time series analysis approach to forecasting. J. Forecast. 2(1), 23–35 (1983)CrossRef
Metadaten
Titel
Safe-Path: A Perspective on Next-Generation Road Safety Recommendations
verfasst von
Khedher Ibtissem
Faci Noura
Faiz Sami
Copyright-Jahr
2025
Verlag
Springer Nature Singapore
Buch
Web Information Systems Engineering – WISE 2024

Print ISBN: 978-981-9605-72-9

Electronic ISBN: 978-981-9605-73-6

Copyright-Jahr: 2025

DOI
https://doi.org/10.1007/978-981-96-0573-6_30

Premium Partner

    Bildnachweise