Sieć Neuronowa KNN — Klasyfikacja Stanu Nawierzchni Drogi

Sieć neuronowa KNN to projekt uczenia maszynowego zaprojektowany w celu określenia warunków nawierzchni drogi na podstawie danych z czujnika akcelerometru. Model wykorzystuje K-Najbliższych Sąsiadów (KNN) do klasyfikacji stanów dróg poprzez analizę zbiorów danych uzyskanych z wskaźnika akcelerometru w osi Z.

To rozwiązanie może być stosowane w telemetrii pojazdów, monitorowaniu jakości dróg oraz inteligentnych systemach transportowych.

Jak to działa

Dane z czujnika zebrane z akcelerometru są przetwarzane i wykorzystywane jako dane wejściowe dla modelu KNN. Analizując wzorce wibracji wzdłuż osi Z, algorytm identyfikuje i klasyfikuje aktualny stan nawierzchni drogi.

Model jest trenowany na przygotowanych zbiorach danych i może być dostosowany do różnych pojazdów lub konfiguracji czujników.

Kluczowe cechy i możliwości

Klasyfikacja nawierzchni drogi
Wykrywa i klasyfikuje warunki drogowe na podstawie danych z akcelerometru.

Model uczenia maszynowego oparty na KNN
Proste, skuteczne i zrozumiałe podejście do klasyfikacji danych z czujników.

Analiza akcelerometru w osi Z
Skupia się na danych o wibracjach pionowych dla dokładnego wykrywania warunków drogowych.

Rozszerzalny pipeline danych
Łatwo adaptowalny do nowych zbiorów danych lub wejść z czujników.

Stos technologiczny

Python

NumPy

Pandas

Scikit-learn

TensorFlow

OpenPyXL