تشخیص بیدرنگ تصادف در ترافیک شهری با اینترنت اشیاء و ترکیب سازوکار توجه با ماشین‌بردار پشتیبان در چارچوب ابرمحور

نویسندگان

1 دانشگاه بیرجند

doi
10.22034/csj.2026.546325.1124
چکیده

تشخیص بیدرنگ تصادف در شبکه‌های حمل‌ونقل هوشمند برای کاهش تلفات و مدیریت ترافیک حیاتی است اما نرخ هشدار کاذب بالا، هزینه محاسباتی و محدودیت پهنای‌ باند دوربین‌های شهری چالش اصلی محسوب می‌شود. این پژوهش چارچوبی سبک و مقیاس‌پذیر برای آشکارسازی مطمئن تصادف ارائه می‌کند که همزمان دقت بالا و هزینه ارتباطی پایین را هدف می‌گیرد. در مرحله لبه، تنها هنگام مشاهده نشانه خطر (تغییرات ناگهانی و غیرعادی در داده‌های حسگرها (افزایش بیش از ۳۵۰ پاسکال در نیروی ضربه، کاهش سرعت بیش از ۶۰ درصد در کمتر از ۱ ثانیه)، چند ثانیه ویدئو به کارساز میانی ارسال می‌شود؛ در کارساز، همگام‌سازی زمانی‌ مکانی و پاکسازی انجام می‌گیرد. سپس یک استخراج‌گر سبک با هم‌آمیختی تفکیک ‌ پذیر عمقی، دو بلوک Inception با اتصالات باقیمانده و توجه کانالی، نمایه ۲۵۶ بعدی نرمال‌شده می‌سازد. این نمایه با ماشین بردار پشتیبان مبتنی بر هسته تابع شعاعی و کالیبراسیون احتمال طبقه‌بندی می‌شود و با هموارسازی زمانی و هم‌نظری چندمنبع، هشدارهای بی‌مورد کاهش می‌یابد. آزمایش ‌ های انجام ‌شده نشان داد که روش پیشنهادی به دقت 99 درصد، بازخوانی 99 درصد، دقت مثبت 98 درصد و صحت 5/98 درصد دست یافت. ماتریس آشفتگی آزمایش تنها ۷ خطا از ۴۰۰ نمونه را نشان داد. نسبت به خطوط مبنا VGG-19 ، ResNet-50 ، DenseNet121 و InceptionV3 ، بهبود دقت بین 6/1 تا 2/4 واحد درصد و بهبود حساسیت بین 2 تا 7 واحد درصد حاصل شد.