...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Accident Analysis and Prevention >Modeling pedestrians' near-accident events at signalized intersections using gated recurrent unit (GRU)
【24h】

Modeling pedestrians' near-accident events at signalized intersections using gated recurrent unit (GRU)

机译：使用门控复发单元（GRU）在信号交叉口的行人近乎事故发生

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Pedestrian safety plays an important role in the transportation system. Intersections are dangerous locations for pedestrians with mixed traffic. This paper aims to predict the near-accident events between pedestrians and vehicles at signalized intersections using PET (Post Encroachment Time) and TTC (Time to Collision). With automated computer vision techniques, mobility features of pedestrians and vehicles are generated. Extreme Value Theory (EVT) is used to model PET and minimum TTC values to select the most appropriate threshold values to label pedestrians' near-accident events. A Gated Recurrent Unit (GRU) neural network is further used to predict these events. The established model reaches an AUC (Area Under the Curve) value of 0.865 on the test data set. Moreover, the proposed model can also be applied to develop collision warning systems under the Connected Vehicle environment.
机译：行人安全在运输系统中起着重要作用。交叉路口是具有混合交通的行人的危险地点。本文旨在使用PET（侵占时间）和TTC（碰撞时间）来预测信号交叉口的行人和车辆之间的近乎事故事件。通过自动化计算机视觉技术，生成行人和车辆的移动特征。极值理论（EVT）用于模拟PET和最小TTC值，以选择最合适的阈值以标记行人的近乎事故事件。门控复发单元（GRU）神经网络进一步用于预测这些事件。建立的模型在测试数据集上达到0.865的AUC（曲线下的区域）。此外，所提出的模型也可以应用于在连接的车辆环境下开发碰撞警告系统。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号