Нейросетевые методы и модели прогнозирования дорожно-транспортных происшествий и снижения их рисков

Тютюнник, В.М.; Удаиб, М.А.

Авторы: Тютюнник В.М., Удаиб М.А.
Журнал: Промышленные АСУ и контроллеры
Номер: 12
Год издания: 2024
Первая страница: 47
Последняя страница: 56
DOI: 10.25791/asu.12.2024.15483
Аннотация: На основе изучения более 50 публикаций выявлены и обобщены методы и модели, которые обычно используют авторы на различных континентах для прогнозирования дорожно-транспортных происшествий и разработки технологий по снижению их риска. Проанализированы результаты прогнозирования на основе моделей двумерной конволюционной (свёрточной) нейронной сети, долговременной кратковременной памяти, оптимизационных моделей, с открытым исходных кодом, рекуррентных блоков, роя частиц, графовой нейронной сети, классификации дерева решений машинного обучения, статистической модели и др., а также с использованием различных методов и показателей: время обработки, точность обработки, точность и полнота данных, F1-оценка, область под ROC-кривой, кривая точности воспроизведения, статистика каппа Коэна, средняя абсолютная ошибка. Выделено семь типов недостатков нейросетевых методов и моделей прогнозирования дорожно-транспортных происшествий, которые не снижают интенсивности исследований как в направлении применения различных моделей и методов, так и в создании новых. Сделано предположение, что в ближайшем будущем появятся специальные карты прогнозов вероятностей дорожно-транспортных происшествий по всем дорогам и перекрёсткам всех стран мира, по аналогии с существующими ныне географическими картами и электронными навигаторами.
Добавил в систему: Тютюнник Вячеслав Михайлович

	ИСТИНА	Войти в систему Регистрация
	ИСТИНА ПсковГУ
	Главная Поиск Статистика О проекте Помощь

ИСТИНА

ИСТИНА ПсковГУ

Нейросетевые методы и модели прогнозирования дорожно-транспортных происшествий и снижения их рисковстатья

Прикрепленные файлы