US Accidents for Domain Generalization

A preprocessed version of Kaggle's "US Accidents (2016 - 2023)" dataset. The dataset is split by cities and is meant to test domain generalization. A cleaned and processed version of the "US Accidents dataset (2016–2023)" on Kaggle, where the task is to predict accident severity via estimated traffic delay duration. Features include weather, road, and time-related conditions. Domains correspond to different U.S. states: CA, TX, FL, OR, and MN. The dataset is used to evaluate domain generalization.本数据集为Kaggle平台上「美国交通事故（2016-2023）」（US Accidents (2016–2023)）数据集的预处理版本，按城市进行划分，旨在用于域泛化（domain generalization）测试。 本数据集同时也是Kaggle平台上「美国交通事故数据集（2016–2023）」的清洗与预处理版本，其任务为通过预估的交通延误时长预测交通事故严重程度。特征涵盖气象、道路及时间相关的各类条件。其对应的实验域为美国不同州：加利福尼亚州（CA）、德克萨斯州（TX）、佛罗里达州（FL）、俄勒冈州（OR）以及明尼苏达州（MN）。该数据集被用于评估域泛化性能。

搜集汇总

背景与挑战

背景概述

该数据集是Kaggle美国交通事故数据（2016-2023年）的预处理版本，用于领域泛化研究，按城市划分并涵盖五个州的数据。其核心任务是通过交通延误、天气、道路和时间等特征预测事故严重程度，旨在评估模型在不同地理区域的泛化能力。