Использование камер на транзитных автобусах для наблюдения за дорожной обстановкой

DOI: 10.3390/s23115086

Используя камеры, уже установленные на автобусах кампуса в Университете штата Огайо, исследователи продемонстрировали, что они могут автоматически и точно измерять количество транспортных средств на городских дорогах, могут обнаруживать объекты на дороге и могут отличать припаркованные транспортные средства от тех, которые движутся.

«Если мы соберем и обработаем более полную пространственную информацию с высоким разрешением о том, что происходит на дорогах, то планировщики смогут лучше понять изменения спроса, эффективно повышая эффективность в более широкой транспортной системе», — сказал Кит Редмилл, ведущий автор исследования и доцент кафедры электротехники и вычислительной техники в штате Огайо.

В то время как исследователи ранее использовали людей-наблюдателей для ручной идентификации транспортных средств на видео, это исследование, опубликованное в журнале Sensors, автоматизирует процесс с помощью ИИ.

По словам соавторов исследования Марка МакКорда и Раби Мишалани, профессоров гражданской, экологической и геодезической инженерии в штате Огайо, их команда решила использовать дорожные камеры на автобусном сообщении Campus Area отчасти потому, что большой, взаимосвязанный кампус штата Огайо напоминает маленький город, и их отношения с операторами CABS дали им свободный доступ к собранным видео.

«Совместное использование доступа к нашим автобусным камерам для мониторинга дорожного движения является отличным примером того, как деятельность университета может поддерживать исследования и обучение», - сказал Том Холман, директор по транспорту и управлению дорожным движением штата Огайо. «Мы рады поделиться существующими ресурсами, которые могут генерировать полезные данные для долгосрочного планирования трафика в кампусе и за его пределами».

Но что отличает это исследование от аналогичных исследований, связанных с дорожным движением, так это то, что оно использует доступные ресурсы без дополнительных затрат: автобусные камеры, которые уже были установлены для других целей безопасности. Это позволяет легко интегрировать его в то, как другие города управляют своим мониторингом трафика, сказал Мишалани.

Система работает с использованием современной 2D-модели глубокого обучения под названием YOLOv4 для автоматического обнаружения и отслеживания объектов. Программа также уникально искусна в распознавании нескольких объектов в одном кадре изображения, сказал Редмилл.

Несмотря на то, что до полного внедрения еще далеко, исследование предполагает, что результаты системы обещают будущее интеллектуального наблюдения за дорожным движением. Например, помимо подсчета транспортных средств, их алгоритм также может проецировать реальные координаты дорожной сети с высоты птичьего полета, используя потоки изображений, измерения GNSS и региональную информацию из 2D-карт.

Это настолько точно, что система также смогла определить, отклонился ли автобус от запланированного маршрута, а затем сообщить об этом в картографическую базу данных, которая регистрирует подробную информацию о дорогах, сказал Редмилл, который также является членом Исследовательской лаборатории контроля и интеллектуальных перевозок штата Огайо (CITR).

Благодаря широкому внедрению и интеграции предлагаемого ими подхода обширный сбор и полная автоматизация обработки этих данных с течением времени позволит более эффективно планировать, проектировать и эксплуатировать дороги для смягчения интенсивного движения по всей стране.

Что касается преимуществ, которые может увидеть общественность, такие достижения в области наблюдения за дорожным движением могут означать сокращение времени в пути и более широкий выбор поездок при попытке добраться из пункта А в пункт Б.

Подробнее: Keith A. Redmill et al, Automated Traffic Surveillance Using Existing Cameras on Transit Buses, Sensors (2023). DOI: 10.3390/s23115086 🔗