一个基于CNN-ViT的混合框架,用于在智能城市中自动检测交通行为.
Mucahit Karaduman1, Neunggyu Han2, Gulsah Karaduman3
1Department of Software Engineering, Malatya Turgut Ozal University, Malatya, Turkey.
PloS one
|January 16, 2026
概括
这项研究引入了一个人工智能系统,用于自动检测交通事故,达到96.88%的准确性. 这项技术提高了道路安全,并支持可持续的智慧城市发展.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 城市规划 城市规划
背景情况:
- 交通事故每年造成数百万人的死亡,给医疗保健带来压力,影响城市生活.
- 及时发现交通事故对于应急响应,交通管理和预防次要事故至关重要.
- 人工智能 (AI) 系统对于开发智慧城市基础设施至关重要.
研究的目的:
- 开发一个由人工智能支持的系统,用于自动检测交通事故和危险情况.
- 通过早期发现事故,提高道路安全,经济效率和城市可持续性.
主要方法:
- 使用五个卷积神经网络 (CNN) 和五个视觉转换器 (ViT) 模型进行特征提取.
- 使用各种分类器对提取的特征进行评估.
- 开发一种混合模型,将最好的CNN和ViT模型的特征结合起来,以便在八个类别中进行增强分类.
主要成果:
- 拟议的混合模型在检测交通事故和危险情况方面达到96.88%的高精度.
- 来自CNN和ViT模型的组合特征超过了单个模型和初步的十个模型.
- 该系统在分类交通场景方面表现出卓越的性能.
结论:
- 开发的AI模型显著提高了交通事故检测的准确性和及时性.
- 这项技术是建设更安全,更可持续的智慧城市的关键组成部分.
- 高精度为智能运输系统的未来进步提供了有希望的潜力.