Мусієнко, Андрій ПетровичГнатюк, Євгеній Сергійович2024-02-082024-02-082024Гнатюк, Є. С. Метод визначення кінетичних параметрів руху автомобілів під час дорожньо-транспортної пригоди за вхідним відеопотоком на основі машинного навчання : магістерська дис. : 121 Інженерія програмного забезпечення / Гнатюк Євгеній Сергійович. – Київ, 2024. – 121 с.https://ela.kpi.ua/handle/123456789/64399Структура і обсяг кваліфікаційної роботи. Магістерська дисертація складається зі вступу, п’яти розділів, висновків та 1 додатку. Робота містить посилання на 21 джерело, 16 рисунки та 7 таблиць. Основна частина роботи викладена на 84 сторінках. Актуальність. Дорожньо-транспортні пригоди (ДТП) продовжують залишатися однією з основних причин травматизму і смертності у світі. Ефективний аналіз таких пригод є ключовим для розуміння їх причин і запобігання подальшим інцидентам. У цьому контексті, точне визначення кінетичних параметрів руху автомобілів, які беруть участь в ДТП, є важливим для встановлення обставин аварії, визначення відповідальності та розробки заходів безпеки. Застосування методів машинного навчання для аналізу відеопотоків з місць ДТП надає нові можливості для об'єктивного та швидкого визначення цих параметрів. Такий підхід дозволяє автоматизувати процес обробки даних, мінімізувати помилки, пов'язані з людським фактором, і забезпечити більш точну реконструкцію подій. Це особливо важливо в умовах зростаючої кількості транспорту на дорогах та збільшення ризиків дорожнього руху. Крім того, розвиток та імплементація таких методів сприяє покращенню роботи служб аварійної допомоги та правоохоронних органів. Швидке та точне визначення обставин ДТП може значно прискорити процес розслідування та вирішення юридичних питань, а також надати цінну інформацію для подальших наукових досліджень у галузі безпеки дорожнього руху. Мета роботи і завдання дослідження. Метою дослідження є розробка та валідація ефективного методу визначення кінетичних параметрів руху автомобілів під час ДТП за вхідним відеопотоком на основі машинного навчання. Завдання наукового дослідження: – проаналізувати сучасні методи визначення кінетичних параметрів руху автомобілів під час ДТП; – вивчити існуючі технології та алгоритми машинного навчання для аналізу відеоданих; – розробити метод визначення кінетичних параметрів руху автомобілів на основі машинного навчання та вхідного відеопотоку; – провести валідацію розробленого методу на реальних відеоданих з ДТП. Об’єктом дослідження є процес визначення кінетичних параметрів руху автомобілів під час дорожньо-транспортної пригоди. Під цими параметрами маються на увазі швидкість, кут напрямку руху, прискорення та інші фізичні характеристики, які можуть бути виміряні та аналізовані за відеопотоком. Предметом дослідження є методики та алгоритми машинного навчання, які можуть бути використані для обробки вхідного відеопотоку та визначення кінетичних параметрів руху автомобілів. Методи дослідження. У даній дипломній роботі розглядається застосування передових методів машинного навчання та обробки відеоданих для точного визначення кінетичних параметрів руху автомобілів під час дорожньо-транспортної пригоди. Особлива увага приділяється використанню глибоких нейронних мереж, зокрема конволюційних, та інших алгоритмів машинного навчання. Використання програмних мов та інструментів, таких як Python і Pytorch, та створення інтерфейсу користувача за допомогою веб-фреймворків становить основу дослідження. Практичне значення одержаних результатів цієї магістерської дисертації полягають у відкритті нових перспектив для забезпечення безпеки дорожнього руху та оптимізації процесів розслідування ДТП. Розроблений підхід забезпечує більш точний та об'єктивний аналіз відеоданих, що дозволяє правоохоронним органам та експертам швидше та точніше встановлювати обставини пригод. Також, використання цього методу в системах моніторингу може сприяти профілактиці ДТП, підвищуючи рівень безпеки на дорогах. Окрім того, зібрані дані та аналітичні звіти можуть бути використані для подальших наукових досліджень та розвитку нових технологій в області автомобільної безпеки.121 с.ukCNNкінетичні характеристикизгорткові нейронні мережіштучний інтелектдорожньо-транспортні пригодиDeepSORTMaster Thesis004.4