作为国家技术计划AutoNet（智能运输项目）的一部分，南乌拉尔国立大学的科学家创建了一个独特的智能系统，该系统可以使用人工智能来监控交通流量，该系统不需要特殊的记录设备，并且可以在几乎任何类型的相机上工作。与现有程序不同，该系统允许您即时处理和实时获取数据，这一点也很重要，而在现有程序中，处理时间最多可延迟10-15分钟。这项研究结果的文章发表在具有业界高度评价的科学杂志“大数据杂志”上（包含在Scopus科学计量数据库的TOP-10中）。
交通堵塞解决方案
形成现代交通基础设施的最重要条件是数字化。为了在大城市的基础设施限制的情况下实现高质量的交通管理并有效利用道路网络，运输服务需要强大的交通分析工具。南乌拉尔国立大学的科学家开发了一种创新的技术，用于交通智能分析，该技术是使用神经网络系统系统的基础上进行动态交通监控的多组件系统。同时，它们超越了经典的数据挖掘方法。
“我们已经基于车辆检测和跟踪的最新进展，提出并实施了一种新的交通流量评估系统。与现有的类似产品不同，我们的系统可以实时识别和分析车辆的行驶方向，最大相对误差小于10％。最接近的类似物能够确定速度并仅在一个方向上对车辆进行分类，并且条件是将摄像头放置在交通车流上方，准确度为80-90％。使用神经网络系统，您可以在每个路口实时生成多达400个交通参数。 南乌拉尔国立大学科学家开发的独特的AIMS监控收集系统，解释和传输有关交通流量的数据，对10类车辆进行分类，测量交叉路口每个方向的速度，当前负载水平，确定车辆的进一步行驶方向。同时，通过仅使用一台全高清CCTV摄像机，AIMS在整个交叉路口进行实时物体识别。这项研究的结果可以被城市当局用来改善十字路口的整体通行能力。我们已经在车里雅宾斯克的多个交叉点测试了我们的系统，以验证所提出的解决方案是否足够准确，并且可以用作其他高级模型的基础，南乌拉尔国立大学理工学院汽车运输学系副教授 弗拉基米尔·谢佩列夫（Vladimir Shepelev）说。
这项新技术使您可以实时接收有关交通流量，车辆方向和速度的数据。 使用数据挖掘技术将帮助您实现有效的流量模式，减少车辆拥塞并改善资源管理。
.jpg)
图片：神经网络系统YOLOv3
神经网络系统用于城市交通分析
当前监视流量的方法通常依赖于使用昂贵的传感器进行连续数据收集或对流量进行可视化研究，这通常是在某些时间段的几天内进行测量的。 同时，运输服务不会收到有关交通流的结构，强度，速度和进一步行驶方向的完整而准确的信息。
南乌拉尔国立大学科学家继续说道：“我们使用神经网络系统来处理大量视频数据，不仅用于检测和跟踪车辆，还用于分析事件的顺序。” “在技术开发过程中，我们使用了开源软件的Mask R-CNN和YOLOv3神经网络系统架构来实时检测监控对象，以及SORT跟踪器，该技术的代码已被团队修改以提高跟踪监控对象质量。”
基于人工智能的嵌入式分析模块可确定事故发生时间，事故消除时间，交通拥堵状态，交通控制故障，并评估当前交通交叉口的负载和交通组织的水平。 这使您可以计算KPI并将其分配给每个运动方向以及整个运输枢纽。
.jpg)
照片：弗拉基米尔·谢佩列夫
在提高效率的同时降低监控成本
通过优化YOLOv3神经网络系统算法，南乌拉尔国立大学科学家能够将所获取数据的准确性提高到95％，同时考虑到跟踪过程中监控对象的丢失，并大大降低了实时监控设备的成本。
弗拉基米尔·谢佩列夫 说：“具有机器视觉的人工智能将道路交通的数据收集和分析提升到了一个全新的水平，从而使人们能够以比以往更高的可靠性来识别车辆。” “我们深度学习的网络易于装配，不需要特殊的记录设备，并且可以在几乎所有类型的相机上工作。”
南乌拉尔国立大学理工学院汽车运输学院的老师，博士生与电子和计算机科学高等学校的学生正在一起研究“智能运输”项目。
南乌拉尔国立大学的科学家创造的技术将提高使用城市道路基础设施的效率。 在不久的将来，使用人工智能监控道路交通的技术将成为车里雅宾斯克市可持续公共交通项目的一部分。