Resumen

Predecir las trayectorias de los vehículos vecinos es esencial para evitar o mitigar colisiones con otros participantes del tráfico. Sin embargo, debido a la información previa inadecuada y la incertidumbre en los movimientos futuros de conducción, la predicción de trayectorias es una tarea difícil. Recientemente, se han abordado modelos de predicción de trayectorias utilizando aprendizaje profundo para resolver este problema. En este estudio se presenta un método de advertencia temprana utilizando la técnica de evaluación comprensiva difusa, que evalúa el grado de peligro del objetivo mediante el análisis integral de la posición del objetivo, la distancia horizontal y vertical, la velocidad del vehículo y el tiempo de la colisión. Debido a la alta tasa de falsas alarmas en los sistemas de advertencia temprana, se establece un área de activación de advertencia temprana en el sistema, y el módulo de juicio del estado del objetivo se activa solo cuando el objetivo entra en el área de activación. Esta estrategia mejora la precisión de la advertencia temprana, reduce

• Materias:Inteligencia artificial Aplicación móvil Asistencia tecnológica a personas con discapacidad Tecnología en educación
• Subjects:Artificial intelligence Mobile application Technological assistance to people with disabilities Technology in education
• Palabras claves:Trayectorias; Vehículos; Colisión; Modelos de predicción; Aprendizaje profundo; Alerta temprana
• Keywords:Trajectories; Vehicles; Collision; Prediction models; Deep learning; Early warning