WALE-A: Sistema para Classificação de Eventos Críticos de Direção

Para melhorar a segurança na direção, os Sistemas de Previsão de Acidentes (CPS) são usados para identificar e classificar eventos críticos de direção (SCE), ajudando os motoristas a antecipar possíveis acidentes. Este estudo introduz um novo algoritmo destinado a CPS, fundindo técnicas avançadas de inteligência artificial e técnicas de pré-processamento para estabelecer um sistema mais preciso. Nossa proposta denominada de WALE-a, examina dados de séries temporais coletados por sensores veiculares, empregando uma abordagem de decomposição de wavelets em conjunto com um classificador linear. Isso permite a categorização de eventos, como eventos como crash, near-crash e manobras abruptas. Através da análise abrangente do desempenho de diversos algoritmos de aprendizado de máquina, o nosso algoritmo se sobressai. 

Os resultados obtidos revelaram a notável eficácia do algoritmo WALE-a em diversos conjuntos de dados, em especial nos cenários com os datasets accel_x e accel_y, originários de acelerômetros. As acurácias de nossa proposta foram superiores a 88%, alcançando mais de 90% no conjunto de dados accel_y. Além disso, demonstrou uma notável capacidade em distinguir os eventos críticos e não críticos de forma precisa e consistente, superando outros classificadores. A força do algoritmo foi reiterada ao assegurar seis das dez primeiras posições em nosso ranking de classificação. Foi comprovado, também, que o algoritmo WALE-a se destaca ao equilibrar acurácia e tempo de processamento, alcançando consistentemente uma acurácia acima de 80% e mantendo tempos de processamento inferiores a 20 milissegundos em todas as três versões do algoritmo. Por fim, nossa pesquisa evidenciou o papel crucial da inteligência artificial e das técnicas de pré processamento na construção dos bons sistemas de predição de acidentes.