Нейронная сеть KNN — Классификация состояния дорожного покрытия

Нейронная сеть KNN - это проект машинного обучения, предназначенный для определения состояния дорожного покрытия на основе данных с датчиков акселерометра. Модель использует метод K-ближайших соседей (KNN) для классификации дорожных состояний, анализируя наборы данных, полученные от индикатора акселерометра по оси Z.

Это решение может быть применено в телеметрии транспортных средств, мониторинге качества дорог и интеллектуальных транспортных системах.

Как это работает

Данные с датчиков, собранные с акселерометра, обрабатываются и используются в качестве входных данных для модели KNN. Анализируя паттерны вибрации вдоль оси Z, алгоритм определяет и классифицирует текущее состояние дорожного покрытия.

Модель обучается на подготовленных наборах данных и может быть адаптирована к различным транспортным средствам или конфигурациям датчиков.

Ключевые особенности и возможности

Классификация дорожного покрытия
Обнаруживает и классифицирует дорожные условия на основе данных акселерометра.

Модель машинного обучения на основе KNN
Простой, эффективный и интерпретируемый подход к классификации данных с датчиков.

Анализ акселерометра по оси Z
Сосредоточен на вертикальных данных вибрации для точного определения состояния дороги.

Расширяемый конвейер данных
Легко адаптируется к новым наборам данных или входным данным с датчиков.

Технологический стек

Python

NumPy

Pandas

Scikit-learn

TensorFlow

OpenPyXL