Estimation of Vulnerable Road User Accident Frequency Through the Soft Computing Models
Modely predpovede nehôd sú matematické výrazy alebo algoritmy, ktoré sa používajú na určenie príčinných faktorov dopravných nehôd a bezpečnosti na cestách. Modelovanie tohto druhu nehôd je dosť náročné a vyžaduje si dobrú kvalitu dát. Výsledky modelu umelej neurónovej siete, model gaussovských proce...
Gespeichert in:
| 1. Verfasser: | |
|---|---|
| Weitere Verfasser: | , |
| Format: | Buchkapitel |
| Sprache: | Englisch |
| Schlagworte: | |
| Tags: |
Keine Tags, Fügen Sie das erste Tag hinzu!
|
| Zusammenfassung: | Modely predpovede nehôd sú matematické výrazy alebo algoritmy, ktoré sa používajú na určenie príčinných faktorov dopravných nehôd a bezpečnosti na cestách. Modelovanie tohto druhu nehôd je dosť náročné a vyžaduje si dobrú kvalitu dát. Výsledky modelu umelej neurónovej siete, model gaussovských procesov a podpora vektorového modelu stroja sa porovnáva z hľadiska frekvencie nehôd na cestách v tejto štúdii. Presnosť modelu bola podmienená: strednou absolútnou chybou, základným priemerom štvorcovej chyby a koeficientu korelácie. Zistenia naznačujú, že pre predpovedanie nehôd zraniteľných účastníkov cestnej premávky na cestách umelá neurónová sieť poskytuje lepšie výsledky korelácie ako vektor podpory stroja a Gaussove procesy. |
|---|