ABSTRACT

Intelligent Transportation System (ITS) is gaining attention but at the same time, road accidents, congestion, delays, etc. have also increased. Relative information about such events is vital. Such information can be presented in legal processes as digital proof. Availability of the information is not a problem as multidimensional data have been recorded all the time by ITS. Recording all the information in ITS arises the problem of fetching relevant information and removing other facts and figure that are not required to describe certain situations such as an accident. To address this issue, we analyze road accident data and reduce various dimensions with Principal Component Analysis (PCA), Linear Discriminant Analysis (LDA) and Non-negative Matrix Factorization (NMF). We conduct comparative analysis with three datasets where error rate for PCA is 32% with Dataset1. Likewise, error rate for LDA and NMF are 36% and 35%, receptively. While keeping in mind that such reduced data is helpful in many legal processes, we introduce Blockchain in the framework. Blockchain can make data immutable thus can be considered as digital proof. Blockchain also requires a smart contract in this situation between insurance companies to collect data in case of any uncertain situation. Such analysis can offer a different point of views and trends in data. Information can be more explainable to define the situation and helps to develop a friendly environment for day-to-day customers. The proposed framework provides dimensionality reduction of data that eventually reduce the data dimension to store in Blockchain.

摘要

智能交通系统 (ITS) 越来越受到关注，但与此同时，道路事故、拥堵、延误等也有所增加。有关此类事件的相关信息至关重要。此类信息可以在法律程序中作为数字证明呈现。信息的可用性不是问题，因为 ITS 一直在记录多维数据。将所有信息记录在 ITS 中会出现获取相关信息并删除其他不需要描述某些情况（例如事故）的事实和数字的问题。为了解决这个问题，我们使用主成分分析 (PCA)、线性判别分析 (LDA) 和非负矩阵分解 (NMF) 来分析道路事故数据并减少各个维度。我们对三个数据集进行比较分析，其中数据集 1 的 PCA 错误率为 32%。同样，LDA 和 NMF 的错误率分别为 36% 和 35%。在记住这种减少的数据在许多法律程序中很有帮助的同时，我们在框架中引入了区块链。区块链可以使数据不可变，因此可以被视为数字证明。在这种情况下，区块链还需要保险公司之间的智能合约，以便在出现任何不确定情况时收集数据。这种分析可以提供不同的观点和数据趋势。信息可以更易于解释以定义情况，并有助于为日常客户开发友好的环境。所提出的框架提供了数据的降维，最终减少了存储在区块链中的数据维度。同样，LDA 和 NMF 的错误率分别为 36% 和 35%。在记住这种减少的数据在许多法律程序中很有帮助的同时，我们在框架中引入了区块链。区块链可以使数据不可变，因此可以被视为数字证明。在这种情况下，区块链还需要保险公司之间的智能合约，以便在出现任何不确定情况时收集数据。这种分析可以提供不同的观点和数据趋势。信息可以更易于解释以定义情况，并有助于为日常客户开发友好的环境。所提出的框架提供了数据的降维，最终减少了存储在区块链中的数据维度。同样，LDA 和 NMF 的错误率分别为 36% 和 35%。在记住这种减少的数据在许多法律程序中很有帮助的同时，我们在框架中引入了区块链。区块链可以使数据不可变，因此可以被视为数字证明。在这种情况下，区块链还需要保险公司之间的智能合约，以便在出现任何不确定情况时收集数据。这种分析可以提供不同的观点和数据趋势。信息可以更易于解释以定义情况，并有助于为日常客户开发友好的环境。所提出的框架提供了数据的降维，最终减少了存储在区块链中的数据维度。在记住这种减少的数据在许多法律程序中很有帮助的同时，我们在框架中引入了区块链。区块链可以使数据不可变，因此可以被视为数字证明。在这种情况下，区块链还需要保险公司之间的智能合约，以便在出现任何不确定情况时收集数据。这种分析可以提供不同的观点和数据趋势。信息可以更易于解释以定义情况，并有助于为日常客户开发友好的环境。所提出的框架提供了数据的降维，最终减少了存储在区块链中的数据维度。在记住这种减少的数据在许多法律程序中很有帮助的同时，我们在框架中引入了区块链。区块链可以使数据不可变，因此可以被视为数字证明。在这种情况下，区块链还需要保险公司之间的智能合约，以便在出现任何不确定情况时收集数据。这种分析可以提供不同的观点和数据趋势。信息可以更易于解释以定义情况，并有助于为日常客户开发友好的环境。所提出的框架提供了数据的降维，最终减少了存储在区块链中的数据维度。在这种情况下，区块链还需要保险公司之间的智能合约，以便在出现任何不确定情况时收集数据。这种分析可以提供不同的观点和数据趋势。信息可以更易于解释以定义情况，并有助于为日常客户开发友好的环境。所提出的框架提供了数据的降维，最终减少了存储在区块链中的数据维度。在这种情况下，区块链还需要保险公司之间的智能合约，以便在出现任何不确定情况时收集数据。这种分析可以提供不同的观点和数据趋势。信息可以更易于解释以定义情况，并有助于为日常客户开发友好的环境。所提出的框架提供了数据的降维，最终减少了存储在区块链中的数据维度。