Ученые Южно-Уральского университета разработали сверхточный метод измерения скорости транспорта на базе искусственного интеллекта

Проблемы с точностью измерения скорости связаны с большим количеством возможных траекторий движения транспортных средств, а также направлением центра обзора камер видеонаблюдения. Перечисленные факторы приводят к снижению точности подсчета. Между тем такие показатели, как интенсивность и быстрота передвижения транспорта в городе являются базовыми элементами для строительства интеллектуальной транспортной системы. Поскольку ИТС должна в режиме онлайн анализировать, прогнозировать и реагировать на изменения параметров движения.

Разработка ученых из Челябинска создано с помощью нейронной сети YOLOv3 и трекера с открытым исходным кодом sort. Основные характеристики YOLO были улучшены благоадря дополнительной ветви маски и оптимизации формы якорей.

Чтобы сформировать набор данных для нейросети, исследователи разметили 6 тысяч видеоизображений, выполнили их расширение, регулируя фокусное расстояние, угол и высоту установки видеокамеры. С помощью данного метода была определена скорость движения контурных пикселей. Соответственно быстрота перемещения транспортного средства  рассчитывалась из соотношения между пикселями изображения и шириной дороги.
Новую систему апробировали ночью и днем на 6 перекрестках Челябинска. Точность подсчета транспортных средств составила не менее 92%, а погрешность определения скорости одного автомобиля не превышала 1,5 километра.

В результате ученые получили методику, которая дает возможность генерировать полные и качественные данные управления трафиком в реальном времени, снижая требования к периферийному оборудованию. Технологию может быть внедрена для мониторинга транспортного трафика в городах.

Напомним, ученые Южно-Уральского государственного университета с помощью технологий искусственного интеллекта разработали транспортную стратегию Челябинской агломерации. Недавно администрация города заявила об инвестировании порядка 500 млн рублей в проекты по цифровизации инфраструктуры мегаполиса, в том числе транспортную сферу.    

Фото — сайт Южно-Уральского государственного университета