Cientistas da South Ural State University desenvolveram um sistema inteligente exclusivo para monitorar o fluxo de tráfego usando inteligência artificial, que não requer equipamento de gravação específico e pode funcionar em quase qualquer tipo de câmera. O sistema processa instantaneamente os dados recebidos em tempo real, ao contrário dos programas existentes em que o processamento incorre em um atraso de até 10 a 15 minutos. Um artigo sobre os resultados do estudo foi publicado no Journal of Big Data .

Solução de engarrafamento

“Propusemos e implementamos um sistema modernizado de avaliação dos fluxos de tráfego, com base nos avanços mais recentes na detecção e rastreamento de veículos. Ao contrário dos análogos existentes, nosso sistema reconhece e analisa em tempo real a direção do movimento dos veículos com um erro relativo máximo de menos de 10 por cento. Os análogos mais próximos são capazes de determinar a velocidade e classificar os veículos em apenas uma direção e com a condição de colocar as câmeras acima do fluxo de tráfego com uma precisão de 80-90 por cento. Operar uma rede neural permite gerar até 400 parâmetros de tráfego em tempo real em cada interseção, "diz o gerente de projeto Vladimir Shepelev, Professor adjunto do Departamento de Transporte Automotivo do Instituto Politécnico SUSU.

O exclusivo sistema de monitoramento AIMS coleta, interpreta e transmite dados sobre a intensidade do tráfego rodoviário, classifica 10 categorias de veículos, mede a velocidade, o nível de carga atual de cada direção da interseção, determina a direção posterior dos veículos. Ao mesmo tempo, reconhecimento de objetos em tempo real na interseção que o AIMS produz por meio do uso de apenas uma câmera CFTV Full HD.

"Os resultados deste estudo podem ser aplicados pelas autoridades municipais para melhorar a capacidade geral de tráfego do cruzamento. Já provamos nosso sistema em vários cruzamentos em Chelyabinsk para verificar se a solução proposta é suficientemente precisa e pode ser usada como base para outros modelos de alto nível, "diz Shepelev.

A tecnologia inovadora fornece dados sobre a estrutura do fluxo de tráfego, direções e velocidades do veículo em tempo real. O uso de tecnologia de mineração de dados apoiará a implementação de padrões de tráfego eficientes, reduzir o congestionamento do tráfego e melhorar o gerenciamento de recursos.

Redes neurais para análise de tráfego urbano

A prática atual de monitorar o tráfego frequentemente depende do uso de sensores caros para a coleta contínua de dados ou em um estudo visual do tráfego, geralmente medido ao longo de vários dias em determinados períodos de tempo. Contudo, os serviços de transporte não recebem informações adequadas e precisas sobre a estrutura do fluxo de tráfego, sua intensidade, Rapidez, e na seguinte direção de movimento.

"Gerenciamos redes neurais para processar grandes quantidades de dados de vídeo, não apenas para detectar e rastrear veículos, mas também para analisar a sequência de eventos, "continua Shepelev." No processo de desenvolvimento da tecnologia, usamos as arquiteturas de rede neural Mask R-CNN e YOLOv3 de código aberto para detectar objetos em tempo real, bem como o rastreador SORT, cujo código foi modificado pela equipe para melhorar a qualidade do rastreamento de objetos. "

O bloco analítico incorporado com base em inteligência artificial determina o nível de organização do tráfego na interseção e atribui KPI a cada direção de movimento.

Maior eficiência e redução dos custos de monitoramento

Como resultado da otimização dos algoritmos da rede neural YOLOv3, Os cientistas da SUSU conseguiram atingir uma precisão de 95 por cento, levando em consideração a perda de objetos durante o rastreamento, e reduzindo significativamente o custo do equipamento de monitoramento em tempo real.

"A inteligência artificial com visão de máquina leva a coleta de dados e a análise do tráfego rodoviário a um novo nível, tornando possível reconhecer veículos com muito mais confiabilidade do que nunca, "diz Vladimir Shepelev." Nossas redes de aprendizagem profunda são fáceis de configurar, não requerem equipamento de gravação específico e podem funcionar em quase qualquer tipo de câmera. "

A tecnologia desenvolvida por cientistas da South Ural State University aumentará a eficiência do uso da infraestrutura viária urbana. No futuro próximo, a tecnologia para monitorar o tráfego rodoviário usando inteligência artificial fará parte do projeto de Transporte Público Sustentável para a cidade de Chelyabinsk.