스마트 도시에서 자동 교통 행위 감지를 위한 하이브리드 CNN-ViT 기반 프레임워크

교통 사고 및 위험한 상황을 시기 적절하고 정확하게 자동으로 감지하는 것이 중요합니다. 이로 인해 개인의 안전이 보장되고 경제적 효율성 및 지속 가능한 도시 생활에 중대한 기여를 할 수 있습니다. 매년 수백만 명이 교통 사고로 사망합니다. 이러한 상황은 건강 시스템에도 추가적인 부담을 주며 많은 바람직하지 않은 결과로 이어질 수 있습니다. 교통 밀도, 사고 및 도로 폐쇄와 같은 사건을 조기에 감지하면 긴급 반응 프로세스가 가속화되고, 교통 흐름이 조절되며, 이차 사고를 예방할 수 있습니다. 따라서 인공지능 지원 자동 시스템은 스마트 도시의 핵심 구성 요소로 부각되고 있습니다. 본 연구는 교통 사고 및 교통 상황을 자동으로 감지하는 것을 목표로 합니다. 이를 위해 다섯 개의 합성곱 신경망(CNN) 및 다섯 개의 비전 트랜스포머(ViT) 모델을 사용하여 특징 추출을 수행했습니다. 그런 다음 이러한 모델에서 얻은 특징을 다양한 분류기를 통해 평가했습니다. 가장 성공적인 결과를 도출한 ViT 모델과 CNN 모델은 제안된 모델의 기반이 되었습니다. 최상의 ViT 모델 및 CNN 모델에서 얻은 특징을 결합하여 동일한 이미지의 다양한 특징을 함께 모았습니다. 그런 다음 이러한 특징을 다양한 분류기를 사용하여 여덟 가지 다른 카테고리로 분류했습니다. 제안된 모델이 연구에서 초기 결과가 얻어진 열 개의 모델보다 더 성공적인 결과를 생성한 것으로 확인되었습니다. 제안된 모델의 정확도는 96.88%였습니다. 이 값은 향후 연구에 대한 기대를 주며 지속 가능성과 스마트 도시에서 삶의 질 향상에 있어 전략적인 역할을 합니다.