Нейросетевой подход к оценке пропускной способности дорожного участка по различным характеристикам ДТП

Авторы

  • Владимир Александрович Харахинов Иркутский национальный исследовательский технический университет

Ключевые слова:

анализ данных, классификация, прогнозирование, сети прямого распространения сигнала

Аннотация

В статье описано применение нейронных сетей к предварительной оценке снижения пропускной способности дорожного участка по причине возникновения на нем ДТП. Рассматривается процесс построения классификатора, позволяющего получать качественную оценку серьезности ДТП по временным, географическим и погодно-климатическим условиям, а также по наличию различных средств регулирования дорожного движения в непосредственной близости от произошедшего ДТП. Приведено описание процесса выбора наиболее важных факторов, влияющих на оценку степени серьезности аварии. Произведена оценка повышения качества классификации при использовании различных архитектур нейронных сетей и алгоритмов обучения, а также сокращение времени, затрачиваемого на обучение этих сетей. Реализована экспертная система, которая с помощью созданного классификатора, оценивает наиболее вероятное снижение пропускной способности дорожного участка, которое случится по причине возникновения ДТП в тех или иных условиях.

Библиографические ссылки

Пассажирооборот по видам транспорта по Российской Федерации. – Текст : элек-тронный // Федеральная служба государственной статистики (Росстат). Транспорт : офици-альный сайт. – 2019. - URL: https://rosstat.gov.ru/storage/mediabank/qhu3tRJp/pass.jpg (дата об-ращения: 25.01.2022).

Структура перевозок пассажиров по видам транспорта по Российской Федерации. – Текст : электронный // Федеральная служба государственной статистики (Росстат). Транс-порт : официальный сайт. – 2019. - URL: https://rosstat.gov.ru/storage/mediabank/YFAApHgG/ per-pas.jpg (дата обращения: 25.01.2022).

Показатели состояния безопасности дорожного движения. – Текст : электронный // Официальный сайт Госавтоинспекции. – 2021. - URL: http://stat.gibdd.ru/ (дата обращения: 25.01.2022).

Pham D., Sagiroglu S. Training multilayered perceptrons for pattern recognition: a compara-tive study of four training algorithms // International Journal of Machine Tools and Manufacture. 2001. Vol. 41. P 419-430.

Sharma B., Venugopalan K. Comparison of Neural Network Training Functions for Hema-toma Classification in Brain CT Images // Journal of Computer Engineering. 2014. Vol. 16. P 31-35.

Alsmadi M. K., Omar K. B., Noah S. A. Back propagation algorithm: The best algorithm among the multi-layer perceptron algorithm // International Journal of Computer Science and Net-work Security. 2009. Vol. 9(4). P 378-383.

Набор данных «A Countrywide Traffic Accident Dataset» // Kaggle.com. – 2021. - URL: https://kaggle.com/sobhanmoosavi/us-accidents (дата обращения: 25.01.2022).

Отраслевой дорожный методический документ. Методические рекомендации по оценке пропускной способности автомобильных дорог (ОДМ 218.2.020-2012). – Текст : электронный // Электронный фонд правовых и нормативно-технических документов. – 2021. - URL: https://docs.cntd.ru/document/1200092512 (дата обращения: 25.01.2022).

US Car Accidents Severity Analysis // Kaggle.com. – 2020. - URL: https://www.kaggle.com/art12400/us-car-accidents-severity-analysis (дата обращения: 25.01.2022).

Загрузки

Опубликован

2021-12-30

Как цитировать

Харахинов, . В. А. (2021). Нейросетевой подход к оценке пропускной способности дорожного участка по различным характеристикам ДТП. Электронный научный журнал "Молодая наука Сибири", (4(14). извлечено от http://ojs.irgups.ru/index.php/mns/article/view/259

Выпуск

Раздел

Информатика, вычислительная техника