پيشبيني تصادف در شبكه هاي خودرويي، يك رويكرد يادگيري ماشين مبتني بر لبه

امروزه وابستگي انسان به حمل و نقل بر هيچ كس پوشيده نيست. با افزايش تعداد وسايل نقليه، مخاطره در خيابانها و جادهها به حداكثر خود رسيده است كه گاهاً باعث خسارات جاني و مالي شديد ميشود. سيتسم حمل و نقل سنتي براي ايمني جادهاي به اندازه سيستم حمل و نقل هوشمند اهميت قائل نبود. در نتيجه، در مسير پيشرفت رانندگي خودمختار و افزايش سطح ايمني جادهاي مفاهيمي چون سيستم دستيار راننده پيشرفته و سيتسم پيشبيني تصادف مطرح شدند. در سيتسم پيشبيني تصادف توليد مقادير FN باعث ميشود كه وضعيت هاي خطر و تصادف را به صورت اشتباه يك وضعيت عادي پيشبيني كند كه باعث عدم كارايي سيستم پيشبيني تصادف ميشود. از طرف ديگر، توليد مقادير FP باعث توليد هشدارهاي تصادف ميشود كه در واقع يك وضعيت خطرناك نيستند كه اين امر باعث كاهش سطح آرامش راننده و احتياط بيشتر ميشود. در يك سيستم پيشبيني تصادف و درمقايسه اهميت كاهش اين دو مقدار، مقداري را در اولويت قرار مي دهيم كه باعث افزايش سطح ايمني، حفظ جان سرنشينان وسايل نقليه و جلوگيري از تصادف شود. در اين مقاله براي پيشبيني تصادف يك مدل يادگيري گروهي پيشنهاد مي شود. عالوه بر اين، يك سناريو شبكهاي شبيه سازي شده است كه زمان پيشبيني تصادف در يك شبكه را نشان ميدهد.