Рабочий трафик: на Урале испытали систему управления потоком машин
Российские ученые создали программу, которая в режиме реального времени собирает информацию о ситуации на дорогах. Она одновременно анализирует до 400 параметров, в том числе количество автомобилей и их скорость. Погрешность системы меньше 10%, подтвердили испытания в Челябинске на шести оживленных перекрестках. В перспективе такие комплексы позволят эффективнее регулировать движение: например, корректировать работу светофоров, чтобы увеличить пропускную способность городской дорожной сети.
Скорость с точностью
Команда ученых из ЮУрГУ разработала и протестировала в реальных условиях методику измерения скорости транспорта, превосходящую существующие аналоги, говорится в исследовании, опубликованном в Journal of Big Data. На программное обеспечение получен патент.
Специалисты поставили перед собой задачу разработать систему качественного и полного сбора данных в режиме реального времени. Всего программа анализирует 400 параметров, в том числе интенсивность транспортного потока, направления движения и среднюю скорость машин, сообщил «Известиям» доцент кафедры «Автомобильный транспорт» автотранспортного факультета Политехнического института ЮУрГУ Владимир Шепелев.
— Данные собираются в пределах всей функциональной зоны перекрестков и прилегающих участков дорог, которые попадают в зону действия камер уличного видеонаблюдения, — рассказал ученый.
Испытано на районе
Чтобы сформировать набор данных для нейронной сети, ученые разметили 6 тыс. изображений и увеличили их, измерив на каждом фокусное расстояние, угол и высоту установки камеры. Скорость транспортного средства (км/ч) рассчитывалась из соотношения между пикселями изображения и шириной дороги. Кроме того, координаты исходного автомобиля преобразовывались в географические.
Такой метод протестировали ночью и днем на шести перекрестках Челябинска в Центральном, Курчатовском, Калининском и Тракторозаводском районах города. Абсолютная процентная точность подсчета транспортных средств составила не меньше 92%, а погрешность определения скорости автомобиля не превышала 1,5 км/ч.
В результате ученые получили методику, которая дает возможность генерировать полные и качественные данные управления трафиком в реальном времени, снижая требования к оборудованию. Технологию смогут применять в городах, где есть проблемы с регулированием трафика.
Интеллектуальные транспортные системы (ИТС) — уличные сенсорные сети, использующие обзорные камеры для получения цифровых данных из визуального потока. В ряде случаев у оборудования низкое разрешение, а также возникает проблема перекрытия угла обзора камеры столбами, знаками и другими инфраструктурными объектами. Это приводит к снижению точности подсчета и определения скорости транспортных средств.
Особенности решения
В новой системе пока не решены проблемы перекрытия и блокирования объектов в объективе камеры, также комплекс не может детально классификацировать транспортные средства и определять сложность аварийных ситуаций, отметили представители ЮУрГУ. Но ученые продолжают совершенствовать систему, сказали в университете.
С распространением камер наблюдения на магистралях, развязках и перекрестках для решения сопутствующих задач разработчики стали активно использовать получаемые видеоданные, напомнил в беседе с «Известиями» доцент кафедры телевидения и видеотехники СПбГЭТУ «ЛЭТИ» Александр Мотыко. Проблема оценки параметров транспортных потоков для управления трафиком по-прежнему актуальна, добавил он.
— Главное — получить работающий прототип системы, пройти успешную апробацию. За этим стоит большая работа, которая, судя по имеющейся информации, была выполнена коллегами, — сказал эксперт.
Моделирование характеристик скорости и расстояния — наиболее любопытные компоненты этой разработки, которые отличают ее от существующих, отметила в разговоре с «Известиями» аспирант университета ИТМО, сотрудник лаборатории машинного обучения, сооснователь МИП «Спецвидеоаналитика» Наталья Ханжина.
— В современных ИТС не технологии, а именно обкатка их на практике играют ключевую роль. На основе разработки можно, например, делать аналитику по загруженности дорог и перекрестков. Это перспективно в рамках концепции «умного города», — пояснила она.
Внедрение таких систем позволит более эффективно регулировать транспортные потоки, в частности, с помощью светофоров. Подобные интеллектуальные транспортные системы городов должны обеспечивать максимальную пропускную способность дорожной сети и мгновенно реагировать на любые происшествия, предотвращая заторы на дорогах, сказано в статье ЮУрГУ.
