پیشبینی تصادف در شبکه های خودرویی، یک رویکرد یادگیری ماشین مبتنی بر لبه

امروزه وابستگی انسان به حمل و نقل بر هیچ کس پوشیده نیست. با افزایش تعداد وسایل نقلیه، مخاطره در خیابانها و جادهها به حداکثر خود رسیدهاست که گاهاً باعث خسارات جانی و مالی شدید میشود. سیتسم حمل و نقل سنتی برای ایمنی جادهای به اندازه سیستم حمل و نقل هوشمند اهمیت قائل نبود.در نتیجه، در مسیر پیشرفت رانندگی خودمختار و افزایش سطح ایمنی جادهای مفاهیمی چون سیستم دستیار راننده پیشرفته و سیتسم پیشبینی تصادف مطرحشدند. در سیتسم پیشبینی تصادف تولید مقادیر fn باعث میشود که وضعیت های خطر و تصادف را به صورت اشتباه یک وضعیت عادی پیشبینی کند که باعثعدم کارایی سیستم پیشبینی تصادف میشود. از طرف دیگر، تولید مقادیر fp باعث تولید هشدارهای تصادف میشود که در واقع یک وضعیت خطرناک نیستندکه این امر باعث کاهش سطح آرامش راننده و احتیاط بیشتر میشود. در یک سیستم پیشبینی تصادف و درمقایسه اهمیت کاهش این دو مقدار، مقداری را دراولویت قرار می دهیم که باعث افزایش سطح ایمنی، حفظ جان سرنشینان وسایل نقلیه و جلوگیری از تصادف شود. در این مقاله برای پیشبینی تصادف یک مدلیادگیری گروهی پیشنهاد می شود. عالوه بر این، یک سناریو شبکهای شبیه سازی شده است که زمان پیشبینی تصادف در یک شبکه را نشان میدهد.