Abstract
Ogromna liczba ofiar wypadków drogowych i ofiar śmiertelnych z tym związanych jest powodem priorytetowego podejścia organizacji światowych do problemu bezpieczeństwa pojazdów samochodowych. Pomimo dużych nakładów finansowych nadal nie powstał system globalnego zarządzania wypadkami. Celem tej pracy jest inteligentny system pokładowy, który na podstawie sygnałów pomiarowych będzie wnioskować o występujących zagrożeniach. W dalszej perspektywie podejmować będzie decyzje zawiadomienia służb ratowniczych, podając pozycję pojazdu oraz przebieg wypadku. W trakcie prac dokonano klasyfikacji zdarzeń drogowych ze względu na ich charakter oraz zaproponowano system przeznaczony do ich identyfikacji. Szczególny nacisk położono na analizę groźnych (złożonych) wypadków o charakterze wywrotek, które mają najwyższy wskaźnik śmiertelności. Wykorzystano technologię MEMS (Micro-Electro-Mechanical Sensors) do pomiaru parametrów kinematycznych; przyspieszeń liniowych i prędkości kątowych. Badania przeprowadzone zostały na dwóch modelach pojazdów (w skali 1:10 i 1:8). Do klasyfikacji wypadków zastosowano elementy Sztucznej Inteligencji: modularne sieci neuronowe i algorytmy genetyczne. Poddano dyskusji podejście analityczne do rekonstrukcji trajektorii ruchu pojazdu jako alternatywnej metody rozpoznawania wypadków.
Authors (5)
Cite as
Full text
full text is not available in portal
Keywords
Details
- Category:
- Articles
- Type:
- artykuły w czasopismach recenzowanych i innych wydawnictwach ciągłych
- Published in:
-
Zeszyty Naukowe Wydziału ETI Politechniki Gdańskiej. Technologie Informacyjne
no. T. 10,
pages 341 - 356,
ISSN: 1732-1166 - Language:
- Polish
- Publication year:
- 2006
- Bibliographic description:
- Kowalczuk Z., Mazurek S., Derebecki D., Gwardyński Ł., Jarzewicz P.: Zastosowanie sztucznej inteligencji do identyfikacji groźnych wypadków samochodowych// Zeszyty Naukowe Wydziału ETI Politechniki Gdańskiej. Technologie Informacyjne. -Vol. T. 10., (2006), s.341-356
- Verified by:
- Gdańsk University of Technology
seen 104 times