Projet de fin d'étude : Conception d’un système intelligent d’aide à la décision pour la prédiction de la gravité des accidents de la route de la ville de LEEDS basé sur un réseau de neurones à convolution (CNN) et un apprentissage en profondeur.

Etudiant : JOUMAIL HESSAM

Filière : Master Big Data Analytics & Smart Systems (BDSaS)

Encadrant : Pr. QJIDAA HASSAN

Annèe : 2021

Résumé : En cas d'accident de la route, une méthode de prédiction de la gravité précise et opportune est nécessaire pour le déploiement réussi d'un système de transport intelligent afin de fournir les niveaux correspondants d'aide médicale et de transport en temps voulu. Les méthodes existantes de prédiction de la gravité des accidents de la route utilisent principalement des modèles de prédiction de la gravité peu profonds et des modèles statistiques. Afin d'améliorer la précision de la prédiction, un nouveau modèle de prédiction de la gravité des accidents de la route par réseau neuronal évolutif (TASP-CNN) est proposé, qui tient compte des relations de combinaison entre les caractéristiques des accidents de la route. Sur la base des poids des caractéristiques des accidents de la route, l'algorithme FM2GI (feature matrix to gray image) est proposé pour convertir une relation de caractéristique unique des données d'accident de la route en images grises contenant des relations de combinaison en parallèle comme variables d'entrée du modèle. En outre, les expériences ont démontré que le modèle proposé pour la prédiction de la gravité des accidents de la route est plus performant.