南乌拉尔国立大学的科学家团队继续在«智能交通»项目中从事道路运输监控领域的相关工作。 专家们改进了他们使用神经网络创建的程序。 在最近的研究中,特别注意测量车辆的速度:科学家提出的方法的准确性超过90%。 研究结果发表在评级很高的大数据期刊(Q1)上。
人工智能将以高精度测量流量
车辆数量的增长是现代大城市的问题之一。高峰时段的交通量甚至超过了交叉路口的实际通行能力。高的交通集中度会增加事故数量,甚至轻微的交通事故也会导致交通拥堵。智能交通系统(ITS)必须快速,实时地识别,预测和确定交通参数的变化。在现代条件下,智能交通系统是一个部署在室外的传感器网络,它使用调查相机从可视流中获取数字数据。对数据收集和解释系统的性能提出了很高的要求,但是,在某些情况下,设备的分辨率和帧频较低,并且还存在摄像机的视角与杆,标牌和其他基础结构重叠的问题对象。这导致车辆的计数和确定速度的准确性降低。
南乌拉尔国立大学的科学家已经第二年处理这个问题,并提出了解决它的新方法。 他们已经创建了一个独特的程序,可以实时收集和发送有关交通状况的信息。 同时分析多达400个参数,数据误差小于10%。 该软件已获得专利。在一项新的研究中,一个科学家团队开发并测试了一种测量车辆速度的方法,该方法可以超越现有的类似方法。 测量过程由于存在大量可能的运动轨迹以及相机视点中心的方向而变得复杂,该方向不垂直于车辆运动轨迹。
“研究的目的是开发一种实时,高质量,完整地收集数据的系统,例如交通强度,行驶方向和平均车速。同时,在路口视频监控摄像头覆盖范围内的交叉口和相邻道路段的整个功能区域内收集数据。我们的解决方案基于YOLOv3神经网络架构和开源排序跟踪器。借助附加的遮罩分支和优化锚杆形状,YOLO的主要特征得到了改善。” 南乌拉尔国立大学理工学院汽车系汽车运输系副教授 弗拉基米尔·谢佩列夫。
创新的交通管理技术
为了形成神经网络的数据集,科学家标记了6,000张图像并对其进行了扩展,从而调整了相机的焦距,角度和高度。 使用开发的光流方法,他们确定了边缘像素的移动速度。 因此,根据图像像素与道路宽度之间的比率来计算车速(km / h)。 另外,原始车辆的坐标被转换为地理坐标。
该方法在车里雅宾斯克的六个十字路口的夜间和白天进行了测试。 计算车辆的绝对百分比精度至少为92%,并且确定车辆速度的误差不超过1.5公里。
最终,科学家们开发了一种方法,可以实时生成完整,高质量的交通管理数据,从而减少了对外围设备的需求。 该技术可用于交通管制存在问题的城市,以快速有效地解决问题。
南乌拉尔国立大学代表指出,研究将继续进行。物体重叠和阻塞,车辆的详细分类,紧急情况的复杂性确定等问题尚未完全解决。目前,所有提出的问题正在由汽车运输和应用数学与程序设计部门(理工学院和南乌拉尔国立大学自然科学与精密科学学院)的专家在智能运输跨学科项目的框架内进行调查,并将在不远的将来落实。
南乌拉尔国立大学是一所数字化转型的大学,在科学与技术发展的大多数优先领域中都进行了创新研究。根据俄罗斯联邦的科学和技术发展战略,该大学致力于发展数字工业,材料科学和生态学领域的大型科学跨学科项目。在这些方向的框架内,正在研究冶金,机械工程,能源,住房和公共服务,城市基础设施的安全空间和人类舒适度。
南乌拉尔国立大学是5-100计划的成员,该项目旨在提高俄罗斯大学在世界领先的研究和教育中心中的竞争力。