Published March 8, 2023
| Version v1
Publication
Machine learning based IoT system for secure traffic management and accident detection in smart cities
Creators
- 1. Lebanese French University
- 2. King Khalid University
- 3. Jeddah University
- 4. University of Hradec Králové
- 5. Mansoura University
- 6. Michigan State University
Description
In smart cities, the fast increase in automobiles has caused congestion, pollution, and disruptions in the transportation of commodities. Each year, there are more fatalities and cases of permanent impairment due to everyday road accidents. To control traffic congestion, provide secure data transmission also detecting accidents the IoT-based Traffic Management System is used. To identify, gather, and send data, autonomous cars, and intelligent gadgets are equipped with an IoT-based ITM system with a group of sensors. The transport system is being improved via machine learning. In this work, an Adaptive Traffic Management system (ATM) with an accident alert sound system (AALS) is used for managing traffic congestion and detecting the accident. For secure traffic data transmission Secure Early Traffic-Related EveNt Detection (SEE-TREND) is used. The design makes use of several scenarios to address every potential problem with the transportation system. The suggested ATM model continuously modifies the timing of traffic signals based on the volume of traffic and anticipated movements from neighboring junctions. By progressively allowing cars to pass green lights, it considerably reduces traveling time. It also relieves traffic congestion by creating a seamless transition. The results of the trial show that the suggested ATM system fared noticeably better than the traditional traffic-management method and will be a leader in transportation planning for smart-city-based transportation systems. The suggested ATM-ALTREND solution provides secure traffic data transmission that decreases traffic jams and vehicle wait times, lowers accident rates, and enhances the entire travel experience.
Translated Descriptions
⚠️
This is an automatic machine translation with an accuracy of 90-95%
Translated Description (Arabic)
في المدن الذكية، تسببت الزيادة السريعة في السيارات في الازدحام والتلوث والاضطرابات في نقل السلع. كل عام، هناك المزيد من الوفيات وحالات العجز الدائم بسبب حوادث الطرق اليومية. للتحكم في الازدحام المروري، يتم أيضًا استخدام نظام إدارة حركة المرور القائم على إنترنت الأشياء لتوفير نقل آمن للبيانات للكشف عن الحوادث. لتحديد البيانات وجمعها وإرسالها، تم تجهيز السيارات المستقلة والأدوات الذكية بنظام ITM قائم على إنترنت الأشياء مع مجموعة من أجهزة الاستشعار. يجري تحسين نظام النقل من خلال التعلم الآلي. في هذا العمل، يتم استخدام نظام إدارة حركة المرور التكيفية (ATM) مع نظام صوت إنذار الحوادث (AALS) لإدارة الازدحام المروري واكتشاف الحادث. لنقل بيانات حركة المرور بشكل آمن يتم استخدام الكشف المبكر الآمن عن حركة المرور (SEE - TREND). يستخدم التصميم عدة سيناريوهات لمعالجة كل مشكلة محتملة في نظام النقل. يعدل نموذج الصراف الآلي المقترح باستمرار توقيت إشارات المرور بناءً على حجم حركة المرور والحركات المتوقعة من التقاطعات المجاورة. من خلال السماح للسيارات تدريجياً بالمرور عبر الأضواء الخضراء، فإنه يقلل بشكل كبير من وقت السفر. كما أنه يخفف من الازدحام المروري من خلال خلق انتقال سلس. تُظهر نتائج التجربة أن نظام الصراف الآلي المقترح كان أفضل بشكل ملحوظ من طريقة إدارة حركة المرور التقليدية وسيكون رائدًا في تخطيط النقل لأنظمة النقل القائمة على المدن الذكية. يوفر حل ATM - ALTREND المقترح نقلًا آمنًا لبيانات حركة المرور يقلل من الاختناقات المرورية وأوقات انتظار السيارة، ويقلل من معدلات الحوادث، ويعزز تجربة السفر بأكملها.Translated Description (French)
Dans les villes intelligentes, l'augmentation rapide du nombre d'automobiles a provoqué des embouteillages, de la pollution et des perturbations dans le transport des marchandises. Chaque année, il y a plus de décès et de cas de déficience permanente dus aux accidents de la route de tous les jours. Pour contrôler la congestion du trafic, fournir une transmission de données sécurisée détectant également les accidents, le système de gestion du trafic basé sur l'IdO est utilisé. Pour identifier, collecter et envoyer des données, les voitures autonomes et les gadgets intelligents sont équipés d'un système ITM basé sur l'IoT avec un groupe de capteurs. Le système de transport est en cours d'amélioration via l'apprentissage automatique. Dans ce travail, un système de gestion adaptative du trafic (ATM) avec un système sonore d'alerte d'accident (AALS) est utilisé pour gérer les embouteillages et détecter l'accident. Pour la transmission sécurisée des données de trafic, une détection EveNt sécurisée précoce liée au trafic (SEE-TREND) est utilisée. La conception utilise plusieurs scénarios pour résoudre tous les problèmes potentiels du système de transport. Le modèle ATM suggéré modifie continuellement la synchronisation des feux de circulation en fonction du volume de trafic et des mouvements anticipés des carrefours voisins. En permettant progressivement aux voitures de passer les feux verts, il réduit considérablement le temps de déplacement. Il soulage également la congestion du trafic en créant une transition transparente. Les résultats de l'essai montrent que le système ATM suggéré s'est nettement mieux comporté que la méthode traditionnelle de gestion du trafic et sera un leader dans la planification des transports pour les systèmes de transport basés sur les villes intelligentes. La solution ATM-ALTREND proposée offre une transmission sécurisée des données de trafic qui réduit les embouteillages et les temps d'attente des véhicules, réduit les taux d'accidents et améliore l'ensemble de l'expérience de voyage.Translated Description (Spanish)
En las ciudades inteligentes, el rápido aumento de los automóviles ha causado congestión, contaminación e interrupciones en el transporte de productos básicos. Cada año, hay más muertes y casos de deterioro permanente debido a accidentes de tráfico cotidianos. Para controlar la congestión del tráfico, proporcione una transmisión de datos segura que también detecte accidentes, se utiliza el Sistema de Gestión de Tráfico basado en IoT. Para identificar, recopilar y enviar datos, los coches autónomos y los dispositivos inteligentes están equipados con un sistema ITM basado en IoT con un grupo de sensores. El sistema de transporte se está mejorando a través del aprendizaje automático. En este trabajo, se utiliza un sistema de Gestión de Tráfico Adaptativo (ATM) con un sistema de sonido de alerta de accidentes (AALS) para gestionar la congestión del tráfico y detectar el accidente. Para la transmisión segura de datos de tráfico, se utiliza la detección temprana segura de EveNt relacionada con el tráfico (SEE-TREND). El diseño hace uso de varios escenarios para abordar cada problema potencial con el sistema de transporte. El modelo de cajero automático sugerido modifica continuamente el tiempo de las señales de tráfico en función del volumen de tráfico y los movimientos anticipados de los cruces vecinos. Al permitir progresivamente que los coches pasen las luces verdes, se reduce considerablemente el tiempo de viaje. También alivia la congestión del tráfico al crear una transición sin problemas. Los resultados de la prueba muestran que al sistema de cajeros automáticos sugerido le fue notablemente mejor que al método tradicional de gestión del tráfico y será líder en la planificación del transporte para sistemas de transporte basados en ciudades inteligentes. La solución ATM-ALTREND sugerida proporciona una transmisión segura de datos de tráfico que disminuye los atascos de tráfico y los tiempos de espera de los vehículos, reduce las tasas de accidentes y mejora toda la experiencia de viaje.Additional details
Additional titles
- Translated title (Arabic)
- نظام إنترنت الأشياء القائم على التعلم الآلي لإدارة حركة المرور الآمنة والكشف عن الحوادث في المدن الذكية
- Translated title (French)
- Système IoT basé sur l'apprentissage automatique pour la gestion sécurisée du trafic et la détection des accidents dans les villes intelligentes
- Translated title (Spanish)
- Sistema IoT basado en aprendizaje automático para la gestión segura del tráfico y la detección de accidentes en ciudades inteligentes
Identifiers
- Other
- https://openalex.org/W4323569884
- DOI
- 10.7717/peerj-cs.1259
References
- https://openalex.org/W2625808730
- https://openalex.org/W2775292876
- https://openalex.org/W2907688180
- https://openalex.org/W2970347920
- https://openalex.org/W2989147545
- https://openalex.org/W3003507729
- https://openalex.org/W3004330032
- https://openalex.org/W3005489823
- https://openalex.org/W3011261365
- https://openalex.org/W3011733903
- https://openalex.org/W3036798968
- https://openalex.org/W3036993914
- https://openalex.org/W3039738442
- https://openalex.org/W3094496020
- https://openalex.org/W3097953753
- https://openalex.org/W3120785768
- https://openalex.org/W3132752948
- https://openalex.org/W3171093259
- https://openalex.org/W3175743832
- https://openalex.org/W3195019475
- https://openalex.org/W3196583271
- https://openalex.org/W3198062544
- https://openalex.org/W3198577972
- https://openalex.org/W3199212381
- https://openalex.org/W3205808861
- https://openalex.org/W3210701025
- https://openalex.org/W3211872216
- https://openalex.org/W3215087011
- https://openalex.org/W3215694718
- https://openalex.org/W4200014858
- https://openalex.org/W4200056203
- https://openalex.org/W4200168078
- https://openalex.org/W4205599290
- https://openalex.org/W4214936205
- https://openalex.org/W4220924176
- https://openalex.org/W4221028855
- https://openalex.org/W4223505602
- https://openalex.org/W4223890113
- https://openalex.org/W4224069464
- https://openalex.org/W4224231356
- https://openalex.org/W4283652716
- https://openalex.org/W4285107695
- https://openalex.org/W4286363639
- https://openalex.org/W4289173402
- https://openalex.org/W4292261065
- https://openalex.org/W4292261935
- https://openalex.org/W4293195550
- https://openalex.org/W4294310794
- https://openalex.org/W4300865356
- https://openalex.org/W4309534976
- https://openalex.org/W4313145111
- https://openalex.org/W4313207399