Технологія визначення інтенсивності дорожнього руху за даними відеоряду

Автор(и)

Ключові слова:

аналіз зображень, інтенсивність транспортного руху, показник завантаженості транспортного руху, TLCR

Анотація

Актуальність теми дослідження. Затори на дорогах є величезною проблемою для всіх учасників дорожнього руху і причиною їх є зростаюча інтенсивність руху та незадовільна якість систем управління транспортним рухом. Системи, що управляють транспортними потоками та приймають рішення про зміну параметрів управління, мають отримувати достовірні та актуальні дані про інтенсивність трафіку. Тому одним із найважливіших завдань є збір та обробка даних про показники руху транспортних засобів.

Постановка проблеми. Усереднені за добу (чи навіть за рік) значення інтенсивності руху транспортних засобів можуть забезпечити якісні оцінки параметрів управління для усереднених значень, але не для фактичних, особливо в умовах великих коливань інтенсивності трафіку протягом доби. Для ефективного управління транспортними потоками важливо мати достатньо точну інформацію про стан дорожнього руху (його інтенсивність та завантаженість) на момент прийняття рішення. У цьому дослідженні поставлено завдання розробити технологію визначення інтенсивності дорожнього руху за послідовними значеннями показника завантаженості, що знаходяться в результаті обробки зображень відеоряду смуги дорожнього руху.

Аналіз останніх досліджень і публікацій. Були розглянуті наукові публікації, в яких висвітлюються наявні методи визначення інтенсивності дорожнього руху, та зроблено висновок, що ці методи не є достатньо точними для використання їх у сучасних умовах і тому суттєво обмежують розвиток інформаційних систем управління транспортним рухом.

Виділення недосліджених частин загальної проблеми. Аналіз відеоряду зображень не використовувався раніше для автоматизованого визначення інтенсивності дорожнього руху.

Постановка завдання. Метою цього дослідження є підвищення точності визначення інтенсивності транспортного руху на основі аналізу даних відеопотоку в режимі реального часу за рахунок автоматизованої обробки даних відеоряду, отриманих з камери відеоспостереження смуги дорожнього руху.

Виклад основного матеріалу. Представлений метод визначення показника завантаженості TLCR за даними, отриманими в результаті обробки кадру відеоряду з використанням нейромережі U-Net. Послідовність упорядкованих у часі значень показника завантаженості перетворюється в послідовність показників інтенсивності транспортного руху на основі формули, яка отримана в результаті дослідження. Наведено експериментальне дослідження, яке доводить високу точність визначення показників дорожнього руху. Послідовність обробки та перетворень даних складають нову технологію визначення інтенсивності дорожнього руху.

Висновки відповідно до статті. У цьому дослідженні розроблена технологія визначення інтенсивності дорожнього руху за даними відеоряду, що надходять із відеокамери спостереження, що забезпечує набагато вищу точність оцінки інтенсивності руху транспортних засобів на ділянці дорожнього руху, ніж існуючі. 

Біографії авторів

Інна Вячеславівна Стеценко, НТУУ «КПІ ім. Ігоря Сікорського»

доктор технічних наук, професор

Олександр Петрович Стельмах, НТУУ «КПІ ім. Ігоря Сікорського»

аспірант

Посилання

Gani M. H. H., Khalifa O. O., Gunawan T. S., Shamsan E. Traffic intensity monitoring using multiple object detection with traffic surveillance cameras. 2017 IEEE 4th International Conference on Smart Instrumentation, Measurement and Application (ICSIMA). 2017, Putrajaya, Malaysia. Р. 1-5.

Hoque Md. Sh., Ullah M. A., Nikraz H. Investigation of traffic flow characteristics of DhakaSyijiet highway (N-2) of Bangladesh. International journal of civil engineering and technology (IJCET). 2013. Vol. 4. Issue 4. Р. 55-65.

ДСТУ ISO 8824:2019. Автомобільні дороги. Визначення інтенсивності руху та складу транспортного потоку. [Чинний від 2019-02-27]. Київ : ДП «УкрНДНЦ», 2019. 33 с.

Agafonov A., Myasnikov V. Traffic flow forecasting algorithm based on combination of adaptive elementary predictors. Analysis of Images, Social Networks and Texts: AIST 2015 / eds. Khachay M. Yu., Konstantinova N., Panchenko A., Ignatov D., Labunets V. G. Cham : Springer, 2015. P. 163-174.

Логинова О. А., Гатиятов Р. Р. Обзор существующих методов и технических средств учета интенсивности движения транспортного потока. Техника и технология транспорта. 2019. № 11. С. 1-5.

Печатнова Е. В. Математическое моделирование колебаний суточной интенсивности движения. Вестник Сибирского государственного автомобильно-дорожного университета. 2017. № 4-5 (56-57). С. 145-151.

Zhang B., Wang C., Zhang H., Wu F., Tang Y. Detectability Analysis of Road Vehicles in Radarsat-2 Fully Polarimetric SAR Images for Traffic Monitoring. Sensors. Basel, Switzerland, 2017. Vol. 17. Issue 2 (298). P. 1-13.

Robinson E. M. Crime Scene Photography. Academic Press, 2016. 800 p.

Fernandez-Caballero A., Goƍmez F.J., Loƍpez-Loƍpez J. Road-traffic monitoring by knowledgedriven static and dynamic image analysis. Expert Systems with Applications. 2008. Vol. 35. Issue 3. P. 701–719.

Fernandez-Caballero A., Mira J., Fernandez M. A., Lopez M. T. Segmentation from motion of non-rigid objects by neuronal lateral interaction. Pattern Recognition Letters. 2001. Vol. 22. Issue 14. P. 1517–1524.

Видеодетектирование. URL: http://asudd.pro/products/monitor.

Stetsenko I. V., Stelmakh O. P. Traffic Lane Congestion Ratio Evaluation by Video Data. Advances in Intelligent Systems and Computing. Springer, Cham, 2020. Vol. 1019. P. 172-181.

Ronneberger O., Fischer P., Brox T. U-net: Convolutional networks for biomedical image segmentation. Lecture Notes in Computer Science. Springer, 2015. Vol. 9351. P. 234–241.

OpenCV 2.4.13.7 Documentation. Structural Analysis and Shape Descriptors. URL: https://docs.opencv.org/2.4/modules/imgproc/doc/structural_analysis_and_shape_descriptors.html.

Стеценко І. В. Моделювання систем : навч. посіб. Черкаси : ЧДТУ, 2010. 399 с.

##submission.downloads##

Як цитувати

Стеценко, І. В., & Стельмах, О. П. (2020). Технологія визначення інтенсивності дорожнього руху за даними відеоряду. Технічні науки та технології, (2(20), 116–125. вилучено із http://tst.stu.cn.ua/article/view/215765

Номер

Розділ

ІНФОРМАЦІЙНО-КОМП’ЮТЕРНІ ТЕХНОЛОГІЇ