Так считают исследователи из Техасского центра передовых вычислений (TACC), Центра транспортных исследований Техасского университета и города Остин. Вместе они работают над разработкой инструментов, которые позволяют проводить сложный анализ трафика с возможностью поиска с использованием глубокого обучения и интеллектуального анализа данных.На международной конференции IEEE по большим данным в этом месяце они представят новый инструмент глубокого обучения, который использует необработанные кадры с камер движения с камер города Остин для распознавания объектов — людей, автомобилей, автобусов, грузовиков, велосипедов, мотоциклов и светофоров. — и охарактеризуйте, как эти объекты движутся и взаимодействуют. Затем эта информация может быть проанализирована и запрошена транспортными инженерами и должностными лицами, чтобы определить, например, сколько автомобилей едут не в ту сторону по улице с односторонним движением.
«Мы надеемся разработать гибкую и эффективную систему, которая поможет исследователям трафика и лицам, принимающим решения, для удовлетворения потребностей в динамическом реальном анализе», — сказал Вейцзя Сюй, научный сотрудник, возглавляющий отдел интеллектуального анализа данных. Статистическая группа в TACC. «Мы не хотим строить готовое решение для одной конкретной проблемы.
Мы хотим изучить средства, которые могут быть полезны для ряда аналитических потребностей, даже тех, которые могут возникнуть в будущем».Алгоритм, разработанный ими для анализа трафика, автоматически маркирует все потенциальные объекты из необработанных данных, отслеживает объекты, сравнивая их с другими ранее распознанными объектами, и сравнивает выходные данные каждого кадра, чтобы выявить взаимосвязи между объектами.После того, как исследователи разработали систему, способную маркировать, отслеживать и анализировать трафик, они применили ее к двум практическим примерам: подсчету количества движущихся транспортных средств, проехавших по дороге, и выявлению близких столкновений между транспортными средствами и пешеходами.
Система автоматически подсчитала автомобили в 10-минутном видеоролике, и предварительные результаты показали, что их инструмент в целом имел точность 95 процентов.Понимание объемов трафика и их распределения во времени имеет решающее значение для проверки транспортных моделей и оценки производительности транспортной сети, — сказала Наталья Руиз Юри, научный сотрудник и директор Центра моделирования сетей Центра транспортных исследований UT.«Текущая практика часто полагается на использование дорогих датчиков для непрерывного сбора данных или на исследованиях трафика, которые измеряют объемы трафика в течение нескольких дней в выбранные периоды времени», — сказала она. «Использование искусственного интеллекта для автоматической генерации объемов трафика с помощью существующих камер обеспечит гораздо более широкий пространственный и временной охват транспортной сети, облегчая создание ценных наборов данных для поддержки инновационных исследований и понимания влияния решений по управлению трафиком и эксплуатации. "В случае потенциальных близких контактов исследователи смогли автоматически идентифицировать ряд случаев, когда транспортные средства и пешеходы находились в непосредственной близости. Ни один из них не представлял реальных опасностей, но они продемонстрировали, как система обнаруживает опасные места без вмешательства человека.
«Город Остин стремится к прекращению дорожно-транспортных происшествий, и видеоаналитика станет мощным инструментом, который поможет нам определить потенциально опасные места», — сказала Джен Дати, инженер-консультант города Остин и соавтор проекта. «Мы можем направить наши ресурсы на устранение проблемных участков до получения травмы или смертельного исхода».Исследователи планируют изучить, как автоматизация может облегчить другие анализы, связанные с безопасностью, такие как определение мест, где пешеходы переходят оживленные улицы за пределами обозначенных пешеходных переходов, понимание того, как водители реагируют на различные типы указателей, предупреждающих пешеходов, и количественная оценка того, как далеко пешеходы готовы пройти. чтобы использовать переход.Проект показывает, как технологии искусственного интеллекта могут значительно сократить усилия, затрачиваемые на анализ видеоданных, и предоставить полезную информацию лицам, принимающим решения.«Долгожданное внедрение беспилотных автомобилей и подключенных к сети автомобилей может привести к значительным изменениям в поведении транспортных средств и пешеходов, а также в характеристиках проезжей части», — сказал Руиз Юри. «Видеоданные будут играть ключевую роль в понимании таких изменений, а искусственный интеллект может иметь центральное значение для проведения всесторонних крупномасштабных исследований, которые действительно отражают влияние новых технологий».
Команда создала веб-сайт, на котором публика может просмотреть примеры своего инструмента обнаружения, отслеживания и запроса для анализа трафика.