The number of fatalities and severe injuries in large truck-related crashes has significantly increased since 2009. According to the safety experts, the recent increase in large truck-related crashes can be explained by the significant growth in freight tonnage all over the U.S. over the past few years. This notable freight-haul growth has allowed continuous day–night movement of freight on roads and highways, exposing the trucks to a greater number of potential crashes or near-crash scenarios. There are many ongoing research efforts that aim to identify the different factors that influence large truck crashes; however, further research with innovative approaches is still needed to better understand the relationship between crash-related factors. In this study, the project team applied taxicab correspondence analysis (TCA), a data-mining method known for dimension reduction, to large truck fatal crash data to investigate the complex interaction between multiple factors under a two-dimensional map. For this study, 6 years (2010–2015) of large truck fatal crash data from the Fatality Analysis Reporting System (FARS) were used. The study found five clusters of attributes that show patterns of association between different crash attributes such as two-lane undivided roadways, intersection types, posted speed limit, crash types, number of vehicles, driver impairment, and weather. The findings of this study will help the safety professionals, trucking industry, and policymakers to make decisions for safer road design, and improvement in truck driver training, and education.

自2009年以来，与大型卡车相关的撞车事故造成的死亡和重伤人数显着增加。根据安全专家的说法，最近与大型卡车相关的撞车事故的增加可以解释为整个美国的货运吨位显着增长。过去的几年。货运量的显着增长使货运在公路和高速公路上昼夜不停地移动，使卡车面临更多潜在的撞车或接近撞车的情况。有许多正在进行的研究工作旨在确定影响大型卡车碰撞的不同因素。但是，仍需要采用创新方法进行进一步研究，以更好地了解与碰撞相关的因素之间的关系。在这项研究中，项目小组应用了出租车对应分析（TCA），一种以降维而著称的数据挖掘方法，用于处理大型卡车致命碰撞数据，以研究二维映射下多个因素之间的复杂相互作用。在本研究中，使用了来自致命性分析报告系统（FARS）的6年（2010-2015年）大型卡车致命撞车数据。这项研究发现了五组属性，这些属性显示了不同碰撞属性之间的关联模式，例如两车道未划分的道路，十字路口类型，张贴的限速，碰撞类型，车辆数量，驾驶员伤害和天气。这项研究的结果将帮助安全专业人员，卡车运输行业和决策者做出更安全的道路设计，改善卡车驾驶员培训和教育的决策。大型卡车致命碰撞数据，以研究二维图下多个因素之间的复杂相互作用。在本研究中，使用了来自致命性分析报告系统（FARS）的6年（2010-2015年）大型卡车致命撞车数据。该研究发现了五组属性，这些属性显示了不同碰撞属性之间的关联模式，例如两车道未划分的道路，交叉路口类型，张贴的限速，碰撞类型，车辆数量，驾驶员残障和天气。这项研究的结果将帮助安全专业人员，卡车运输行业和决策者做出更安全的道路设计，改善卡车驾驶员培训和教育的决策。大型卡车致命碰撞数据，以研究二维图下多个因素之间的复杂相互作用。在本研究中，使用了来自致命性分析报告系统（FARS）的6年（2010-2015年）大型卡车致命性撞车数据。该研究发现了五组属性，这些属性显示了不同碰撞属性之间的关联模式，例如两车道未划分的道路，交叉路口类型，张贴的限速，碰撞类型，车辆数量，驾驶员残障和天气。这项研究的结果将帮助安全专业人员，卡车运输行业和决策者制定更安全的道路设计，改善卡车驾驶员培训和教育的决策。使用了致命性分析报告系统（FARS）的6年（2010-2015年）大型卡车致命碰撞数据。这项研究发现了五组属性，这些属性显示了不同碰撞属性之间的关联模式，例如两车道未划分的道路，十字路口类型，张贴的限速，碰撞类型，车辆数量，驾驶员伤害和天气。这项研究的结果将帮助安全专业人员，卡车运输行业和决策者制定更安全的道路设计，改善卡车驾驶员培训和教育的决策。使用了来自致命性分析报告系统（FARS）的6年（2010-2015年）的大型卡车致命碰撞数据。该研究发现了五组属性，这些属性显示了不同碰撞属性之间的关联模式，例如两车道未划分的道路，交叉路口类型，张贴的限速，碰撞类型，车辆数量，驾驶员残障和天气。这项研究的结果将帮助安全专业人员，卡车运输行业和决策者做出更安全的道路设计，改善卡车驾驶员培训和教育的决策。