This text has been copied by the DPMA from the original sources.

It does not contain any drawings. The tables and formulas may be of unsatisfactory
quality.

DE 202022104376 U1
Anmeldeland: DE
Anmeldenummer: 202022104376
Anmeldedatum: 02.08.2022
Veröffentlichungsdatum: 29.09.2022
Hauptklasse: G06Q 50/30(2012.01,A)
Nebenklasse: G06Q 10/04(2012.01,A)
Nebenklasse: G08G 1/00(2006.01,A)
MCD-Hauptklasse: G06Q 50/30(2012.01,A)
MCD-Nebenklasse: G06Q 10/04(2012.01,A)
MCD-Nebenklasse: G08G 1/00(2006.01,A)
CPC: G06Q 10/04
CPC: G06Q 50/30
CPC: G08G 1/00
Anmelder: Arora, Jyoti Batra, Dr., New Delhi, IN
Anmelder: Chauhan, Manash, Punjab, Gharuan, IN
Anmelder: Dey, Sharmistha, Punjab, Sahibzada Ajit Singh Nagar, IN
Anmelder: Kaushik, Ruchi, Karnataka, Bengaluru, IN
Anmelder: Paliwal, Girish, Dr., Rajasthan, Jaipur, IN
Anmelder: Paliwal, Mrinal, Dr., Rajasthan, Sikar, IN
Anmelder: Sharma, Kanta Prasad, Dr., Uttar Pradesh, Mathura, IN
Anmelder: Singh, Akash, Punjab, Sahibzada Ajit Singh Nagar, IN
Anmelder: Upadhyay, Govind Murari, New Delhi, IN
Anmelder: Varshney, Pankaj Kumar, Dr. , New Delhi, IN
Anmelder: Wadhwani, Ganesh Kumar, Delhi, IN

[DE]Ein System zur Erstellung eines Vorhersagemodells für Unfälle unter Verwendung eines
maschinellen Lernalgorithmus
[DE]Ein System (100) zum Erzeugen eines Vorhersagemodells von Unfällen unter Verwendung eines Algorithmus für maschinelles Lernen,
wobei das System (100) eine Klassifizierungseinheit, eine Datenbereinigungseinheit, die betriebsmäßig mit der Klassifizierungseinheit verbunden
ist, eine Random-Forest-Einheit, die betriebsmäßig mit der Klassifizierungseinheit und einer Datenbereinigungseinheit verbunden ist, eine zentrale
Verarbeitungseinheit, die betriebsmäßig mit der Klassifizierungseinheit, der Datenbereinigungseinheit und der Klassifizierungseinheit verbunden ist,
umfasst;wobei die Klassifizierungseinheit konfiguriert ist, um bessere Randbedingungen zu erhalten, die verwendet werden, um jede Zielklasse zu
bestimmen;wobei das Element zu der spezifischen Klasse gehört und am besten verwendet wird, wenn die Ausgabe endliche und diskrete Werte hat.
Die Klassifizierung sagt auch eine Klasse für eine Eingangsvariable voraus;wobei die Datenbereinigungseinheit so konfiguriert ist, dass sie ungenaue
oder unvollständige Daten ermittelt und dann die Qualität durch Korrektur und Erkennung der Fehler verbessert;wobei der Zufallswald so konfiguriert ist,
dass er mehrere Entscheidungsbäume erstellt und dann alle zusammenführt, um eine genaue und stabile Vorhersage zu erhalten.

Seite 1 --- ()

Seite 2 --- ()

[0001] Die vorliegende Erfindung bezieht sich auf das Gebiet des Systems zur Erzeugung von Unfallvorhersagen und insbesondere auf ein System
zur Erzeugung eines Vorhersagemodells von Unfällen unter Verwendung eines maschinellen Lernalgorithmus.
[0002] Der Verkehrsunfall ist die unvorhersehbare und unerwartete Sache zu einem Verkehrsteilnehmer auftreten, obwohl die Benutzer passieren
recht oft. Leider ist die Monotonie der Benutzer Anstieg der Verkehrsunfälle in ganz Indien. Die Unfälle haben massive Auswirkungen auf die
Gesellschaft und die Wirtschaft unseres Landes, da die Kosten für Tote und Verletzte enorm sind. Laut einer kürzlich durchgeführten Untersuchung
sind durchschnittlich 12.000 Menschen bei Verkehrsunfällen ums Leben gekommen und fast 35.000 wurden verletzt. Demnach kommen in Indien jeden
Tag etwa 32 Menschen bei Verkehrsunfällen ums Leben, und diese Zahl steigt allmählich an. Nach Angaben der WHO (Weltgesundheitsorganisation)
belaufen sich die wirtschaftlichen Kosten von Verkehrsunfällen in einem Entwicklungsland wie den USA auf 2-3 % des BIP. Dies ist ein erheblicher
Verlust für ein Land wie das unsere.
[0003] In den vergangenen Jahren sind Verkehrsunfälle zu einem globalen Problem geworden, das weltweit die neuntwichtigste Todesursache
darstellt. Aufgrund der vielen Verkehrsunfälle, die jedes Jahr passieren, ist dies auch in Indien zu einem großen Problem geworden. Es ist völlig
inakzeptabel und bedauerlich, dass seine Bürger durch Verkehrsunfälle ums Leben kommen. Um dieses riesige Problem in den Griff zu bekommen, ist
also eine genaue Analyse erforderlich.
[0004] Die herkömmlichen Systeme und Methoden zur Unfallvorhersage sind ineffektiv, voreingenommen und zeitaufwändig. Außerdem enthalten
die Systeme und Methoden zur Unfallvorhersage Junk-Informationsdaten. Aufgrund des Datenmülls werden durch die herkömmlichen Systeme und
Methoden zur Unfallvorhersage Fehlalarme erzeugt. Außerdem können die Sicherheitssignale aufgrund der unbrauchbaren Informationen nicht effektiv
und effizient arbeiten.
[0005] Auch die oben erwähnten Systeme zur Unfallvorhersage beinhalten eine Datenanalyse durch manuelle Methoden. Die manuell betriebenen
konventionellen Systeme für die Unfallvorhersage sind eine langwierige Aufgabe und fehleranfällig.
[0006] Um das Problem zu lösen, bieten die vorliegenden ein System zur Erzeugung von prädiktiven Modell der Unfälle mit maschinellem Lernen
Algorithmus.
[0007] Das System für die Erzeugung von prädiktiven Modell der Unfälle mit maschinellem Lernen Algorithmus erzeugt eine genaue Entscheidung
mit der Erfahrung verwalten die aktuelle Situation und hilft, die Analyse Teil zu finden.
[0008] Das System zur Erstellung von Unfallvorhersagemodellen unter Verwendung von Algorithmen des maschinellen Lernens hat eine höhere
Genauigkeit bei der Vorhersage der Schwere von Verkehrsunfällen in Echtzeit.
[0009] Das System zur Erzeugung eines Vorhersagemodells von Unfällen unter Verwendung eines maschinellen Lernalgorithmus, der eine
frühzeitige Vorhersage des Verkehrsunfalls erzeugt und den Verkehrsteilnehmer warnen kann.
This text has been copied by the DPMA from the original sources. It does not contain any drawings. The tables and formulas may be of unsatisfactory
quality.

[0010] In einer Ausführungsform wird ein System zur Erzeugung eines Vorhersagemodells für Unfälle unter Verwendung eines maschinellen
Lernalgorithmus bereitgestellt. Das System umfasst eine Klassifikationseinheit, eine Datenbereinigungseinheit, eine Random-Forest-Einheit, eine
Datenbereinigungseinheit und eine zentrale Verarbeitungseinheit. Die Datenbereinigungseinheit ist operativ mit der Klassifikationseinheit verbunden.
Die Random-Forest-Einheit ist operativ mit der Klassifizierungseinheit und einer Datenbereinigungseinheit verbunden. Die zentrale Verarbeitungseinheit
ist operativ mit der Klassifizierungseinheit, der Datenbereinigungseinheit und der Klassifizierungseinheit verbunden. Die Klassifizierungseinheit ist
so konfiguriert, dass sie bessere Randbedingungen erhält, die zur Bestimmung jeder Zielklasse verwendet werden. Das Element gehört zu einer
bestimmten Klasse und wird am besten verwendet, wenn die Ausgabe endliche und diskrete Werte hat. Die Klassifizierung sagt auch eine Klasse für
eine Eingangsvariable voraus. Die Datenbereinigungseinheit ist so konfiguriert, dass sie ungenaue oder unvollständige Daten ermittelt und dann die
Qualität durch Korrektur und Erkennung der Fehler verbessert. Der Random Forest ist so konfiguriert, dass er mehrere Entscheidungsbäume erstellt
und dann alle zusammenführt, um eine genaue und stabile Vorhersage zu erhalten.
[0011] In einer Ausführungsform umfasst das System ferner eine Merkmalsauswahleinheit, eine Datenerfassungseinheit, eine
Datenverarbeitungseinheit, eine trainierte Dateneinheit und eine Vorhersage der Unfallschwere.
[0012] In einer Ausführungsform ist die Datenbereinigung so konfiguriert, dass unerwünschte Ausreißer verwaltet, fehlende Daten behandelt,
Beobachtungen entfernt und strukturelle Fehler behoben werden.
[0013]

Seite 3 --- ()

In einer Ausführungsform ist der Random Forest so konfiguriert, dass er fehlende Werte verarbeitet und die Genauigkeit eines großen Teils der Daten
beibehält. Wenn es mehr Bäume gibt, wird eine Überanpassung der Bäume im Modell verhindert.
[0014] In einer Ausführungsform entwickeln die Merkmalsauswahleinheit, die Datensammeleinheit, die Datenverarbeitungseinheit, die
trainierte Dateneinheit und die Unfallschwerevorhersage die Fähigkeit der Entscheidungsfindung, der politischen Entscheidungsträger und der
Verkehrssicherheitsdesigner, Maßnahmen zur Verkehrssicherheitskontrolle zu ergreifen.
[0015] In einer Ausführungsform entdeckt das System zur Erstellung eines Vorhersagemodells für Unfälle unter Verwendung eines Algorithmus für
maschinelles Lernen Designs, die zuvor undurchsichtig sind. Das System zur Erstellung eines Vorhersagemodells für Unfälle unter Verwendung eines
maschinellen Lernalgorithmus umfasst drei Schritte: a) Erkundung: Im ersten Schritt der Exploration werden die Informationen bereinigt und in eine
andere Struktur umgewandelt, und es werden signifikante Faktoren und danach die Art der Informationen in Abhängigkeit von der Fragestellung geklärt.
b) Identifizierung von Mustern: Wenn die Informationen untersucht, verfeinert und für die einzelnen Faktoren charakterisiert sind, besteht der nächste
Schritt darin, den Musterunterscheidungsnachweis zu gestalten. Erkennen und Auswählen der Beispiele, die die beste Prognose liefern. c) Einsatz:
Beispiele werden für das gewünschte Ergebnis übermittelt.
[0016] Gemäß einer Ausführungsform der vorliegenden Erfindung umfasst das System zur Erstellung eines Vorhersagemodells für Unfälle drei
Algorithmen: Klassifikation, Datenbereinigung und Zufallswald. In Klassifizierungsalgorithmen werden trainierte Daten verwendet, um bessere
Randbedingungen zu erhalten, die zur Bestimmung jeder Zielklasse verwendet werden. Sobald die Randbedingungen bestimmt sind, besteht die
nächste Aufgabe darin, das nächste Ziel vorherzusagen. Es gibt viele Klassifizierungsalgorithmen: Klassifikator, Klassifizierungsmodell, Merkmal,
binäre Klassifizierung, Multilabel-Klassifizierung. Die Klassifizierung ist eine Art des überwachten Lernens, bei dem ein Element einer bestimmten
Klasse angehört und wird am besten verwendet, wenn die Ausgabe endliche und diskrete Werte hat. Die Klassifizierung sagt auch eine Klasse für eine
Eingangsvariable voraus.
[0017] Der zweite Algorithmus ist der Datenbereinigungsalgorithmus. Bei diesem Algorithmus wird ein Verfahren verwendet, um ungenaue oder
unvollständige Daten zu ermitteln und dann die Qualität durch Korrektur und Erkennung der Fehler zu verbessern. Er ist einer der wichtigsten Teile
des maschinellen Lernens. Er spielt eine wichtige Rolle bei der Erstellung eines Modells. Die Datenbereinigung ist der Prozess, bei dem beschädigte
oder ungenaue Datensätze in einem Datensatz, in Tabellen oder Datenbanken erkannt und korrigiert werden, und bezieht sich auf die Identifizierung
ungenauer, unvollständiger, falscher oder irrelevanter Teile der Daten. Es hat viele Datenqualitäten wie Gültigkeit, Genauigkeit, Vollständigkeit und
Konsistenz und Integrität auch.
[0018] Der dritte Algorithmus ist Random Forest. Random Forest ist eine maschinelle Lernanalyse, die mehrere Entscheidungsbäume erstellt und
dann alle zusammenfügt, um eine genaue und stabile Vorhersage zu erhalten. Random-Forest-Algorithmen können sowohl für Klassifizierungs- als
auch für Regressionsaufgaben verwendet werden. Er bietet eine höhere Genauigkeit. Random-Forest-Klassifikatoren können mit fehlenden Werten
umgehen und die Genauigkeit bei einem großen Teil der Daten beibehalten. Bei einer größeren Anzahl von Bäumen kann das Modell nicht übermäßig
viele Bäume enthalten.
[0019] Datenerfassung: Für die genaue Vorhersage der Unfallschwere ist eine beträchtliche Anzahl von Unfalldatensätzen mit vollständigen
Informationen für das Training erforderlich.
[0020] Datenvorverarbeitung: In diesem gesammelten Datensatz wurden alle Unfallberichte mit formalen Worten geschrieben. Der Datensatz richtig
nach Merkmalen. Das System zur Erstellung eines Vorhersagemodells für Unfälle wird mit Hilfe von Merkmalen erstellt. Das System zur Erstellung
eines Vorhersagemodells für Unfälle hat im gesamten Datensatz fehlende Werte gefunden und auch die ausgewählten Merkmale haben fehlende
Werte. Da diese fehlenden Werte die Leistung beeinträchtigen können. Das System zur Erstellung eines Vorhersagemodells für Unfälle liefert einen
Betrag, der erforderlich ist.
[0021] In einer Ausführungsform nehmen die Verluste durch Verkehrsunfälle in der Gesellschaft und in einem Entwicklungsland von Tag zu
Tag zu. Daher ist es eine wesentliche Anforderung, den Verkehr mit einem fortschrittlichen System zu kontrollieren und zu regeln. Um die Zahl
der Verkehrsunfälle zu verringern, sollten die Verkehrsregeln beachtet werden. Durch einfache Vorsichtsmaßnahmen, die auf Vorhersagen oder
Warnungen eines hochentwickelten Systems beruhen. Dadurch können hoffentlich Verkehrsunfälle vermieden werden. Darüber hinaus ist es für das
ganze Land ein vorrangiges

Seite 4 --- ()

Bedürfnis, die Situation in den Griff zu bekommen, in der jeden Tag so viele Menschen bei Verkehrsunfällen ums Leben kommen und diese Zahl
von Tag zu Tag steigt. Die Implementierung von maschinellem Lernen ist ein funktioneller und großartiger Ansatz, der eine genaue Entscheidung
mit der Erfahrung ermöglicht, die aktuelle Situation zu bewältigen und den Analysebereich zu finden. Es kann den Verkehrsbehörden vorgeschlagen
werden, um die Anzahl der Unfälle zu reduzieren, und es wird die Art der Verletzungen, wie schwer oder leicht verletzt, mitteilen, so dass der Patient
entsprechend in ein nahe gelegenes Krankenhaus gehen kann. Die vorliegende Erfindung schlägt ein System zur Erstellung von Vorhersagemodellen
für Unfälle vor, da diese eine höhere Genauigkeit bei der Vorhersage der Schwere von Verkehrsunfällen aufweisen. Die In Übereinstimmung mit einer
Ausführungsform der vorliegenden Erfindung, die prädiktive Modell mit diesen Ansätzen in der nahen Zukunft. Die vorliegende Erfindung Vorhersage
zum Verkehrsunfall und es kann der Verkehrsteilnehmer zu warnen.
[0022] Die Erfindung wird im Folgenden anhand der Figur nochmals erläutert. Dabei zeigt: Fig. 1: ein System zur Erstellung eines Vorhersagemodells
für Unfälle unter Verwendung eines maschinellen Lernalgorithmus.
This text has been copied by the DPMA from the original sources. It does not contain any drawings. The tables and formulas may be of unsatisfactory
quality.

[0023] Fig. 1: zeigt ein System (100) zur Erstellung eines Vorhersagemodells für Unfälle unter Verwendung eines maschinellen Lernalgorithmus.
Das System (100) zur Erzeugung eines Vorhersagemodells für Unfälle unter Verwendung eines maschinellen Lernalgorithmus umfasst
eine Klassifizierungseinheit, eine Datenbereinigungseinheit, eine Zufallsforsteinheit, eine Datenbereinigungseinheit und eine zentrale
Verarbeitungseinheit. Die Datenbereinigungseinheit ist operativ mit der Klassifikationseinheit verbunden. Die Random-Forest-Einheit ist operativ mit der
Klassifizierungseinheit und einer Datenbereinigungseinheit verbunden. Der Zufallsforst ist so konfiguriert, dass er fehlende Werte verarbeiten und die
Genauigkeit eines großen Teils der Daten beibehalten kann. Bei einer größeren Anzahl von Bäumen wird eine Überanpassung der Bäume im Modell
verhindert. Die zentrale Verarbeitungseinheit ist operativ mit der Klassifizierungseinheit, der Datenbereinigungseinheit und der Klassifizierungseinheit
verbunden. Die Klassifizierungseinheit ist so konfiguriert, dass sie bessere Randbedingungen erhält, die zur Bestimmung der einzelnen Zielklassen
verwendet werden. Das Element gehört zu einer bestimmten Klasse und wird am besten verwendet, wenn die Ausgabe endliche und diskrete
Werte hat. Die Klassifizierung sagt auch eine Klasse für eine Eingangsvariable voraus. Die Datenbereinigungseinheit ist so konfiguriert, dass sie
ungenaue oder unvollständige Daten ermittelt und dann die Qualität durch Korrektur und Erkennung der Fehler verbessert. Die Datenbereinigung ist
so konfiguriert, dass unerwünschte Ausreißer verwaltet, fehlende Daten behandelt, Beobachtungen entfernt und strukturelle Fehler behoben werden.
Der Random Forest ist so konfiguriert, dass er mehrere Entscheidungsbäume erstellt und dann alle zusammenführt, um eine genaue und stabile
Vorhersage zu erhalten.
[0024] Fig. 1: zeigt ein System (100) zur Erstellung eines Vorhersagemodells für Unfälle unter Verwendung eines maschinellen Lernalgorithmus.
Das System (100) umfasst ferner eine Merkmalsauswahleinheit, eine Datensammeleinheit, eine Datenverarbeitungseinheit, eine trainierte
Dateneinheit und eine Unfallschwerevorhersage. Die Merkmalsauswahleinheit, die Datensammeleinheit, die Datenverarbeitungseinheit, die trainierte
Dateneinheit und die Vorhersage der Unfallschwere entwickeln die Fähigkeit der Entscheidungsfindung, der politischen Entscheidungsträger und der
Verkehrssicherheitsdesigner, Maßnahmen zur Verkehrssicherheitskontrolle zu ergreifen.
[0025] Das System (100) zur Erzeugung von Vorhersagemodellen für Unfälle unter Verwendung eines Algorithmus für maschinelles Lernen hat
ein enormes Maß an Datenbanken und immensen Informationen in verschiedenen Bereichen hervorgebracht. Die Erforschung von Datenbanken
und die Dateninnovation haben einen Weg geboten, diese wertvollen Informationen zu speichern und sie für die weitere grundlegende Führung zu
kontrollieren. Information Mining ist ein Verfahren zur Extraktion von hilfreichen Daten und Beispielen aus umfangreichen Informationen. Es wird auch
als Informationserschließungsprozess, Learning Mining von Informationen, Informationsextraktion oder Informations-/Designprüfung bezeichnet. Data
Mining ist ein intelligentes Verfahren, das eingesetzt wird, um riesige Mengen an Informationen zu durchsuchen und so wertvolle Informationen zu
entdecken.
Bezugszeichenliste
100
System (100)
[1] Ein System (100) zum Erzeugen eines Vorhersagemodells von Unfällen unter Verwendung eines Algorithmus für maschinelles Lernen, wobei
das System (100) eine Klassifizierungseinheit, eine Datenbereinigungseinheit, die betriebsmäßig mit der Klassifizierungseinheit verbunden ist,
eine Random-Forest-Einheit, die betriebsmäßig mit der Klassifizierungseinheit und einer Datenbereinigungseinheit verbunden ist, eine zentrale
Verarbeitungseinheit, die betriebsmäßig mit der Klassifizierungseinheit, der Datenbereinigungseinheit und der Klassifizierungseinheit verbunden ist,
umfasst;

Seite 5 --- ()

wobei die Klassifizierungseinheit konfiguriert ist, um bessere Randbedingungen zu erhalten, die verwendet werden, um jede Zielklasse zu bestimmen;
wobei das Element zu der spezifischen Klasse gehört und am besten verwendet wird, wenn die Ausgabe endliche und diskrete Werte hat. Die
Klassifizierung sagt auch eine Klasse für eine Eingangsvariable voraus;
wobei die Datenbereinigungseinheit so konfiguriert ist, dass sie ungenaue oder unvollständige Daten ermittelt und dann die Qualität durch Korrektur und
Erkennung der Fehler verbessert;
wobei der Zufallswald so konfiguriert ist, dass er mehrere Entscheidungsbäume erstellt und dann alle zusammenführt, um eine genaue und stabile
Vorhersage zu erhalten.
[2] Das System (100) nach Anspruch 1, wobei es ferner eine Merkmalsauswahleinheit, eine Datensammeleinheit, eine Datenverarbeitungseinheit,
eine trainierte Dateneinheit und eine Vorhersage der Unfallschwere umfasst.
[3] Das System (100) nach Anspruch 1, wobei die Datenbereinigung so konfiguriert ist, dass sie unerwünschte Ausreißer verwaltet, fehlende Daten
behandelt, Beobachtungen entfernt und strukturelle Fehler behebt.
[4] Das System (100) nach Anspruch 1, wobei der Random Forest so konfiguriert ist, dass er fehlende Werte verarbeitet und die Genauigkeit eines
großen Teils der Daten beibehält. Wenn es mehr Bäume gibt, wird es keine überangepassten Bäume im Modell zulassen.
[5] Das System (100) nach Anspruch 1, wobei die Merkmalsauswahleinheit, die Datensammeleinheit, die Datenverarbeitungseinheit, die trainierte
Dateneinheit und die Unfallschwerevorhersage die Fähigkeit der Entscheidungsfindung, der Entscheidungsträger und der Verkehrssicherheitsdesigner
entwickeln, Maßnahmen zur Verkehrssicherheitskontrolle zu ergreifen.

Seite 6 --- ()