|
Эта публикация цитируется в 4 научных статьях (всего в 4 статьях)
СПЕЦИАЛЬНЫЙ ВЫПУСК
МОДЕЛИРОВАНИЕ ТРАФИКА В ИНТЕЛЛЕКТУАЛЬНЫХ ТРАНСПОРТНЫХ СИСТЕМАХ
Нейросетевой анализ транспортных потоков городских агломераций на основе данных публичных камер видеообзора
А. В. Зацерковныйa, Е. А. Нурминскийb a Тихоокеанский океанологический институт им. В. И. Ильичева Дальневосточного отделения РАН,
Россия, 690041, г. Владивосток, ул. Балтийская, д. 43
b Дальневосточный федеральный университет,
Россия, 690090, г. Владивосток, ул. Суханова, д. 8
Аннотация:
Адекватное моделирование сложной динамики городских транспортных потоков требует сбора больших объемов данных для определения характера соответствующих моделей и их калибровки. Вместе с тем оборудование специализированных постов наблюдения является весьма затратным мероприятием и не всегда технически возможно. Совокупность этих факторов приводит к недостаточному фактографическому обеспечению как систем оперативного управления транспортными потоками, так и специалистов по транспортному планированию с очевидными последствиями для качества принимаемых решений. В качестве способа обеспечить массовый сбор данных хотя бы для качественного анализа ситуаций достаточно давно применяется обзорные видеокамеры, транслирующие изображения в определенные ситуационные центры, где соответствующие операторы осуществляют контроль и управление процессами. Достаточно много таких обзорных камер предоставляют данные своих наблюдений в общий доступ, что делает их ценным ресурсом для транспортных исследований. Вместе с тем получение количественных данных с таких камер сталкивается с существенными проблемами, относящимися к теории и практике обработки видеоизображений, чему и посвящена данная работа. В работе исследуется практическое применение некоторых мейнстримовских нейросетевых технологий для определения основных характеристик реальных транспортных потоков, наблюдаемых камерами общего доступа, классифицируются возникающие при этом проблемы и предлагаются их решения. Для отслеживания объектов дорожного движения применяются варианты сверточных нейронных сетей, исследуются способы их применения для определения базовых характеристик транспортных потоков. Простые варианты нейронной сети используются для автоматизации при получении обучающих примеров для более глубокой нейронной сети YOLOv4. Сеть YOLOv4 использована для оценки характеристик движения (скорость, плотность потока) для различных направлений с записей камер видеонаблюдения.
Ключевые слова:
искусственные нейронные сети, машинное зрение, машинное обучение, сопровождение объекта, сверточные нейронные сети.
Поступила в редакцию: 08.12.2020 Исправленный вариант: 22.12.2020 Принята в печать: 15.01.2021
Образец цитирования:
А. В. Зацерковный, Е. А. Нурминский, “Нейросетевой анализ транспортных потоков городских агломераций на основе данных публичных камер видеообзора”, Компьютерные исследования и моделирование, 13:2 (2021), 305–318
Образцы ссылок на эту страницу:
https://www.mathnet.ru/rus/crm886 https://www.mathnet.ru/rus/crm/v13/i2/p305
|
|