Processing

Please wait...

Settings

Settings

Goto Application

1. WO2020093701 - VEHICLE ACCIDENT RISK PREDICTION MODEL BASED ON ADABOOST-SO IN VANETS

Publication Number WO/2020/093701
Publication Date 14.05.2020
International Application No. PCT/CN2019/092462
International Filing Date 24.06.2019
IPC
G06Q 10/04 2012.01
GPHYSICS
06COMPUTING; CALCULATING OR COUNTING
QDATA PROCESSING SYSTEMS OR METHODS, SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL, SUPERVISORY OR FORECASTING PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL, SUPERVISORY OR FORECASTING PURPOSES, NOT OTHERWISE PROVIDED FOR
10Administration; Management
04Forecasting or optimisation, e.g. linear programming, "travelling salesman problem" or "cutting stock problem"
Applicants
  • 南京邮电大学 NANJING UNIVERSITY OF POSTS AND TELECOMMUNICATIONS [CN]/[CN]
Inventors
  • 赵海涛 ZHAO, Haitao
  • 丁仪 DING, Yi
  • 蔡舒祺 CAI, Shuqi
  • 张晖 ZHANG, Hui
  • 段佳秀 DUAN, Jiaxiu
  • 朱洪波 ZHU, Hongbo
Agents
  • 南京正联知识产权代理有限公司 NANJING ZHENGLIAN INTELLECTUAL PROPERTY AGENCY CO.,LTD.
Priority Data
201811319617.407.11.2018CN
Publication Language Chinese (ZH)
Filing Language Chinese (ZH)
Designated States
Title
(EN) VEHICLE ACCIDENT RISK PREDICTION MODEL BASED ON ADABOOST-SO IN VANETS
(FR) MODÈLE DE PRÉDICTION DE RISQUE D'ACCIDENT DE VÉHICULE SUR LA BASE D'ADABOOST-SO DANS DES RÉSEAUX VANET
(ZH) 一种基于AdaBoost-SO的VANETs车辆事故风险预测模型
Abstract
(EN)
A vehicle accident risk prediction model based on AdaBoost-SO in VANETs, being able to provide a theoretical basis for an ITS and driving safety assistance. The model establishment method comprises: first populating a study dataset, balancing samples in the dataset by using an SMOTE algorithm, encoding each sample feature by means of One-Hot, then training the study dataset by using a trichotomy Adaboost-SO algorithm to obtain a system model, and finally importing traffic data by means of VANETs, so as to obtain a vehicle accident probability, AdaBoost-SO referring to trichotomy Adaboost with SMOTE and One-Hot encoding, VANETs referring to Vehicular Ad Hoc Networks, ITS referring to an Intelligent Transportation System, and SMOTE referring to a Synthetic Minority Oversampling Technique.
(FR)
Un modèle de prédiction de risque d'accident de véhicule basé sur AdaBoost-SO dans des réseaux VANET peut fournir une base théorique pour un système de transport intelligent (ITS) et entraîner une assistance pour la sécurité. Le procédé d'établissement de modèle consiste tout d'abord à peupler un ensemble de données d'étude, équilibrer des échantillons dans l'ensemble de données à l'aide d'un algorithme SMOTE, coder chaque caractéristique d'échantillon au moyen d'un One-hot, puis apprendre l'ensemble de données d'étude à l'aide d'un algorithme AdaBoost-SO de trichotomie pour obtenir un modèle de système, et enfin importer des données de trafic au moyen des réseaux VANET, de façon à obtenir une probabilité d'accident de véhicule, AdaBoost-SO désignant l'algorithme AdaBoost de trichotomie par codage SMOTE et One-hot, VANET désignant des réseaux Ad Hoc véhiculaires, ITS désignant un système de transport intelligent, et SMOTE désignant une technique de sur-échantillonnage minoritaire synthétique.
(ZH)
一种基于AdaBoost-SO的VANETs车辆事故风险预测模型,其能够为ITS和驾驶安全辅助提供理论基础。所述模型建立方法包括:首先填充研究数据集,用SMOTE算法来平衡数据集中的样本,并将每个样本特征用One-Hot编码,然后用trichotomy Adaboost-SO算法训练研究数据集获得系统模型,最后通过VANETs导入时交通数据,获得车辆事故概率。其中AdaBoost-SO是trichotomy Adaboost with SMOTE and One-Hot encoding使用SMOTE算法和一位有效编码的三分自适应提升算法;VANETs是VehicularAd Hoc Networks车载点对点网络,ITS是Intelligent Transportation System智能交通系统,SMOTE是Synthetic Minority Oversampling Technique合成少数类过采样技术。
Latest bibliographic data on file with the International Bureau