Промышленные АСУ и контроллеры Аннотация к статье << Назад Нейросетевые методы и модели прогнозирования дорожно-транспортных происшествий и снижения их рисков Тютюнник В.М., Удаиб Масар Абед На основе изучения более 50 публикаций выявлены и обобщены методы и модели, которые обычно используют авторы на различных континентах для прогнозирования дорожно-транспортных происшествий и разработки технологий по снижению их риска. Проанализированы результаты прогнозирования на основе моделей двумерной конволюционной (свёрточной) нейронной сети, долговременной кратковременной памяти, оптимизационных моделей, с открытым исходных кодом, рекуррентных блоков, роя частиц, графовой нейронной сети, классификации дерева решений машинного обучения, статистической модели и др., а также с использованием различных методов и показателей: время обработки, точность обработки, точность и полнота данных, F1-оценка, область под ROC-кривой, кривая точности воспроизведения, статистика каппа Коэна, средняя абсолютная ошибка. Выделено семь типов недостатков нейросетевых методов и моделей прогнозирования дорожно-транспортных происшествий, которые не снижают интенсивности исследований как в направлении применения различных моделей и методов, так и в создании новых. Сделано предположение, что в ближайшем будущем появятся специальные карты прогнозов вероятностей дорожно-транспортных происшествий по всем дорогам и перекрёсткам всех стран мира, по аналогии с существующими ныне географическими картами и электронными навигаторами. Ключевые слова: дорожно-транспортные происшествия, риски, прогнозирование, методы, модели. DOI: 10.25791/asu.12.2024.1553 Стр. 47-56.