首页?>? 科技视野 > 列表

俄罗斯科学家开发了基于人工智能的交通监控系统,不需要特定的设备来实时处

发布时间:2019-09-18 17:04:17

据外国媒体报道,俄罗斯南俄罗斯南乌拉尔国立大学(southuralstateuniversity)的科学家们开发了一种独特的智能系统,可以利用人工智能监测交通,并且可以在没有特定记录设备的情况下工作在几乎任何类型的摄像机上。与处理实时接收到的数据时将处理时间推迟10至15分钟的现有程序不同,该系统可以实时处理此类数据。

交通挤塞解决方案

南乌拉尔国立大学理工学院汽车运输系副教授兼项目经理Vladimirshepelev说:我们建议并实施基于最新车辆检测和跟踪技术的现代交通流评估系统。与现有的同类系统不同,该系统能够实时识别和分析车辆的运动方向,最大相对误差小于10%。最相似的系统是,只有在一个方向上才能确定车辆的速度和类型,在摄像机的帮助下,精度可达80%至90%。该系统使用神经网络在十字路口生成多达400个交通参数。

独特的目标监控系统可以采集、解释和传输道路交通密度的数据,对10种类型的车辆进行分类,测量车速,判断交叉口各个方向的当前负荷水平,并确定车辆的下一个行驶方向。同时,只需要一个全高清闭路电视(cctv)摄像机就能实时识别十字路口的目标。

这项研究的结果可以被城市当局用来提高十字路口的整体通行能力,Shepelev说。此外,我们在Chariabinsk的几个交叉口证实了该系统的准确性,可以作为其他先进模型的基础。

这种创新技术可以提供关于交通流结构、车辆方向和速度的实时数据,使用数据挖掘技术可以帮助实现有效的交通模式、减少交通拥挤和改善资源管理。

城市交通分析的神经网络

目前,交通监测往往依靠昂贵的传感器不断采集数据,或对交通进行可视化研究,通常在几天内持续测量一段时间,但交通服务部门仍然无法获得关于交通流结构、密度、速度和运动方向的正确和准确的信息。

Shepelev说:我们管理的神经网络处理大量视频数据,不仅用于检测和跟踪车辆,而且还用于分析事件的顺序。在开发这项技术的过程中,我们采用了开源的MASKR-CNN(卷积神经网络)和Yolov3神经网络结构来实时检测目标,并采用排序目标跟踪算法。该小组对算法代码进行了修改,以提高目标跟踪的质量。

基于人工智能的嵌入式分析模块可以确定交叉口的交通组织水平,并为每个交叉口分配性能指标(kpi)。

提高效率,降低监测成本

由于Yolov3神经网络算法的优化,南乌拉尔国立大学的科学家可以考虑跟踪过程中丢失的目标,目标跟踪精度达到95%,大大降低了实时监控设备的成本。

带有机器视觉的人工智能技术可以将道路交通数据的采集和分析提升到一个新的水平,大大提高车辆识别的可靠性,Shepelev说。我们的深度学习网络易于配置,不需要特定的记录设备,几乎可以在任何类型的相机上工作。

这项技术由南乌拉尔国立大学的科学家开发,将提高城市道路基础设施的效率。在不久的将来,利用人工智能监测道路交通将成为查里宾斯克市可持续公共交通项目的一部分。

(文中图片均来自南乌拉尔国立大学)

本文地址:https://www.d1ev.com/news/jishu/99355

以上内容是从其他媒体转载的,目的是传播更多的信息,但这并不代表第一电力网络(www.d1ev.com)的立场。

来源:中国证券网
俄罗斯科学家开发了基于人工智能的交通监控系统,不需要特定的设备来实时处 - 科技视野 - 中国证券网 领qq红包10元