Обеспечение плавного движения транспорта без большого количества ручного вмешательства требует автоматизированных методов подсчета автомобилей, которые часто утомительны и громоздки в исполнении. Они также не надежны. Методы подсчета автомобилей включают радарные, инфракрасные или индуктивные петлевые детекторы, а также использование дорожных камер.
Система на основе компьютерного зрения также может быть подходящей альтернативой для подсчета автомобилей, однако этот метод ограничен погодными условиями и естественным освещением.В новом исследовании исследователи из Колледжа инженерии и информатики FAU (COECS) намеревались найти лучший способ контролировать и оценивать транспортный поток с помощью интеллектуальных систем наблюдения за дорожным движением.
Они хотели разработать автоматизированную систему подсчета автомобилей с использованием уже имеющихся инфраструктуры и камер, которая могла бы хорошо работать как днем, так и ночью, а также в солнечных и пасмурных погодных условиях.Результаты их исследования, опубликованные в журнале Sensors, показывают, что разработанная ими система в дождь или в солнце, днем ??или ночью значительно превосходит по эффективности методы автоматического подсчета автомобилей, используемые в настоящее время. Их система имела средний уровень точности более 96 процентов, что намного выше показателей точности старой системы.Новая программа, которую исследователи назвали «OverFeat Framework», демонстрирует большой потенциал в области мониторинга трафика и может предоставить идеальное решение для эффективного «подсчета автомобилей».
OverFeat Framework — это эффективное сочетание сверточных нейронных сетей (CNN) и методов классификации и распознавания изображений.Исследовательская группа, возглавляемая доктором философии Хунбо Су, автором-корреспондентом исследования и доцентом кафедры гражданской, экологической и геоматической инженерии в COECS, разработала и внедрила два алгоритма для этой новой программы: Метод вычитания фона. (BSM) и OverFeat Framework с использованием языка Python для автоматического подсчета автомобилей.
Су и первый автор исследования Дебоджит Бисвас, доктор философии. студент университета оценил точность этой новой системы, сравнив ее с ручным подсчетом.«Понимание физической транспортной нагрузки имеет решающее значение для управления движением, а также для ремонта дорог или строительства новых дорог», — сказал Су. «Подсчет автомобилей необходим для понимания плотности машин на наших дорогах, что в конечном итоге помогает инженерам и лицам, принимающим решения, в их процессах планирования и составления бюджета».При разработке и тестировании этой новой системы исследователи также приняли во внимание другие факторы, которые могут повлиять на видеокамеры, такие как вибрации на мостах и ??другие подобные условия. Они изучили автобусы (1300 изображений), автомобили (1300 изображений), такси (1300 изображений), грузовики (1568 изображений) и пожарно-спасательные машины (1300 изображений), используя шесть видеосюжетов, снятых на одних из самых загруженных дорог Южной Флориды.
Они собирали кадры с этих камер в разное время в течение дня.По оценкам, более 1 миллиона видеокамер размещены вдоль основных дорог, таких как шоссе, автострады, автомагистрали, скоростные автомагистрали, а также магистрали по всей территории США. Во Флориде тысячи камер размещены на оживленных дорогах, чтобы помочь водителям с их повседневные поездки.«Лучшая часть этой новой системы заключается в том, что вам не нужна дополнительная инфраструктура, потому что камеры уже размещены в стратегически важных местах на наших дорогах и автомагистралях», — сказал Александр Стеванович, доктор философии, соавтор исследования. доцент кафедры гражданского строительства, окружающей среды и геоматики FAU, а также директор Лаборатории адаптивного управления движением. «Мы используем видео с этих камер для точного подсчета автомобилей, чтобы лучше узнать о заторах на наших дорогах.
Затем мы поделимся этой информацией со специалистами по управлению дорожным движением, чтобы они смогли выяснить, как лучше всего решать проблемы для оптимизации вождения, предоставить новые маршруты и, в конечном итоге, улучшить транспортный поток ».Су и Стеванович планируют работать с местными, государственными и федеральными правительственными агентствами, а также с коммерческими предприятиями, чтобы максимально использовать преимущества разработанной ими системы и, в конечном итоге, предоставить новый способ «подсчета автомобилей».