Список литературы

2518-1092

Научный результат. Информационные технологии

2518-1092

10.18413/2518-1092-2025-10-2-0-7

3823

ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ И ПРИНЯТИЕ РЕШЕНИЙ

<strong>АВТОМАТИЧЕСКИЙ РАЗБОР ДОРОЖНО-ТРАНСПОРТНЫХ ПРОИСШЕСТВИЙ НА ОСНОВЕ МУЛЬТИМОДАЛЬНОГО АНАЛИЗА ДАННЫХ С ИСПОЛЬЗОВАНИЕМ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА</strong>

<strong>AUTOMATIC PARSING TRAFFIC ACCIDENTS BASED ON MULTIMODAL DATA ANALYSIS USING ARTIFICIAL INTELLIGENCE TECHNOLOGIES</strong>

Басов

Олег Олегович

Basov

Oleg Olegovich

o.basov@acti.ru

Офицеров

Александр Иванович

Ofiserov

Aleksandr Ivanovich

oficerow@mail.ru

2025

10200

В работе предложено задачу разбора дорожно-транспортных происшествий автоматизировать и интеллектуализировать. Для этого важные для разбора данные, представленные разными модальностями, автоматически поступают в интеллектуальную систему, где происходит их интерпретация, синхронизация по времени и пространству и объединение для принятия итогового решения. Реализация каждой из процедур автоматического разбора дорожно-транспортного происшествия требует однозначного определения вида, объема и семантики информации, поступающей от объектов наблюдения. Полученные в работе результаты свидетельствуют о перспективности выбранного подхода к решению задачи автоматического разбора дорожно-транспортных происшествий на основе мультимодального анализа данных с использованием технологий искусственного интеллекта.

The paper proposes to automate and intellectualize the task of analyzing traffic accidents. To do this, the data presented in different modalities, which is important for analysis, is automatically fed into an intelligent system, where it is interpreted, synchronized in time and space, and combined to make a final decision. The implementation of each of the procedures for the automatic analysis of a traffic accident requires an unambiguous definition of the type, volume and semantics of the information coming from the objects of supervision. The results received in work testify to prospects of the chosen approach to the solution of a problem of automatic analysis of road accidents on the basis of the multimodal analysis of data with use of technologies of artificial intelligence.

дорожно-транспортное происшествиеинтерпретациямультимодальностьавтоматический разборинтеллектуальная поддержка принятия решения

traffic accidentinterpretationmultimodalityautomatic parsingintellectual support of decision-making

Список литературы

Горюшинский В.С., Бичахчян А.В., Шацких Е.В. Общие принципы и особенности расследования ДТП // Вестник современных исследований. – № 12.1 (27), 2018. – С. 106-111.

Пинчук Л.В. Некоторые тактические аспекты детального осмотра места ДТП // Вестник Рязанского филиала Московского университета МВД России. – № 11, 2017. – С. 55-62.

Atrey P.K., Hossain M.A., Kankanhalli M.S. Multimodal Fusion for Multimedia Analysis: a Survey. Multimedia Systems. – № 16 (6), 2010. – P. 345-379.

Муленков Д.В. Горшков М.М. Фиксация факта, хода, содержания и результатов осмотра места происшествия // Законодательство и практика. – № 2 (31), 2013. – С. 10-13.

Фаворская М.Н., Шилов А.С. Алгоритмы реализации оценки движения в системах видеонаблюдения // Системы управления и информационные технологии. Перспективные исследования. – № 3.3 (33), 2008. – С. 408-112.

Фаворская М.Н. Сегментация визуальных движущихся объектов с применением групповых преобразований // В материалах XII междунар. симпозиума по непараметрическим методам в кибернетике и системному анализу, Красноярск. – 2010. – С. 156-159.

Фролов В.В. Организация выявления свидетелей и их допрос при расследовании ДТП // Гуманитарные, социально-экономические общественные науки. – № 8-9, 2017. – С. 261-264.

Басов О.О., Карпов А.А. Анализ стратегий и методов объединения многомодальной информации // Информационно-управляющие системы. – №2, 2015. – С. 7-14.

Bredin H., Chollet G. Audio-visual Speech Synchrony Measure for Talking-Face Identity Verification // Proc. IEEE Intern. Conf. on Acoustics, Speech and Signal Processing, Paris, France. – № 2, 2007. – P. 233-236.

Chetty G., Wagner M. Audio-visual Multimodal Fusion for Biometric Person Authen tication and Liveness Verific ation // Proc. NICTA-HCSNet Multimodal User Interaction Workshop, Sydney, Australia. – 2006. – P. 17-24.

Singh R., Vatsa M., Noore A., Singh S.K. Dempster–Shafer Theory Based Finger Print Classifier Fusion with Update Rule to Minimize Training Time // IEICE Electronics Express. – № 3 (20), 2006. – P. 429-435.

Nefian A.V., et al. Dynamic Bayesian Networks for Audio-visual Speech Recognition // EURASIP Journal on Applied Signal Processing. – № 11, 2002. – P. 1-15.

Ni J., Ma X., Xu L., Wang J. An Image Recognition Method Based on Multiple BP Neural Networks Fusion // Proc. IEEE Intern. Conf. on Information Acquisition. – 2007. – P. 429-435.

Gehrig T., et al. Kalman Filters for Audio-video Source Localization //Proc. IEEE Workshop on Applications of Signal Processing to Audio and Acoustics, Germany. – 2005. – P. 118-121.

Макарова Е.А., Лагерев Д.Г. Модель обработки слабоструктурированных текстовых данных на русском языке для интеллектуальной поддержки информационного управления в динамических организационных системах // Модели, системы, сети в экономике, технике, природе и обществе. – № 3, 2022. – С. 104-125.

Офицеров А.И., Сафонов Д.А. Использование искусственного интеллекта в системах обеспечения комплексной безопасности охраняемого объекта // Экономика. Информатика. – № 50 (1), 2023. – С. 203-210.