スマートシティにおける自動交通アクション検出のためのハイブリッドCNN-ViTベースフレームワーク

科学分野:

• コンピュータビジョン
• 人工知能
• 都市計画

背景:

• 交通事故は毎年数百万人の死者を出し、医療に負担をかけ、都市生活に影響を与えています。
• 緊急対応、交通管理、二次事故の防止には、交通インシデントの適時検出が不可欠です。
• 人工知能（AI）システムは、スマートシティインフラストラクチャの開発に不可欠です。

研究 の 目的:

• 交通事故および危険な状況の自動検出のためのAI支援システムの開発。
• 早期のインシデント検出による道路の安全性、経済効率、都市の持続可能性の向上。

主な方法:

• 5つの畳み込みニューラルネットワーク（CNN）および5つのVision Transformer（ViT）モデルを使用した特徴抽出。
• さまざまな分類器を使用した抽出特徴の評価。
• 8つのカテゴリへの強化された分類のための、最適なCNNおよびViTモデルからの特徴を組み合わせたハイブリッドモデルの開発。

主要な成果:

• 提案されたハイブリッドモデルは、交通事故および危険な状況を検出する上で96.88%という高い精度を達成しました。
• CNNおよびViTモデルから抽出された特徴の組み合わせは、個々のモデルおよび予備的な10のモデルを上回りました。
• このシステムは、交通状況の分類において優れたパフォーマンスを示しました。

結論:

• 開発されたAIモデルは、交通事故検出の精度と適時性を大幅に向上させます。
• この技術は、より安全で持続可能なスマートシティを構築するための重要なコンポーネントです。
• 高い精度は、インテリジェント交通システムにおける将来の進歩に有望な可能性を提供します。