Тема: Мониторинг транспортных средств по всем направлениям дорожного узла в видеопотоке реального времени с помощью нейронной сети YOLOv3

Урбанизация и увеличенная плотность застройки городов - существенные особенности современного общества. Поэтому одна из ключевых проблем современного общества - анализ дорожного движения и его эффективная организация. Высокая плотность городского населения приводит к огромному числу личных автомобилей, увеличенному числу грузовых транспортных средств. Это влечет за собой появление дорожных заторов и снижает эффективность использования дорожно-транспортной сети. Для желаемого результата задачи транспортировки больше не могут обращаться к эвристикам, основанным на небольшом количестве вручную собранной статистики [6].
На сегодня во многих городах установлены центры телеавтоматического управления движением трафика, в которых специалисты занимаются задачами корректировки работы светофоров, полагаясь на количество транспор - та. Но для того, чтобы принимать эффективные решения по оптимизации дорожного движения, необходимо предсказать и оценить его последствия, при этом опираясь на состояние всей дорожной системы с целым набором показателей. Это значит, что задачи транспортной логистики, в наше время, требуют работы с большими данными. В условиях инфраструктурных ограничений городов и дефицита бюджета, эффективное увеличение пропускной способности дорожной сети возможно обеспечить внедрением интеллектуаль - ных транспортных систем (ИТС). ИТС позволяют анализировать и повышать эффективность использования дорожно-транспортной инфраструктуры и транспортно-эксплуатационные показатели трафика. Основой ИТС являются большие данные (big data), которые необходимо получать, интерпретировать и использовать в режиме реального времени. В этом контексте важнейшей задачей в исследованиях транспортных систем, как науки, становится разработка технологий и стандартов сбора информации с использованием существующих коммуникационных сетей на основе использования современной аналитики данных [4].
Данная работа посвящена проблеме получения качественных данных о параметрах дорожного трафика в режиме реального времени, на основе данных с камер видеонаблюдения. Разработка системы по сбору, интерпретации и анализу данных о транспортных потоках в режиме реального времени, на основе использования существующей уличной инфраструктуры, позволит снизить капитальные и эксплуатационные затраты, уменьшить загруженность дорог и эмиссию выхлопных газов, повысить эффективность функционирования транспортных систем.
Цель работы - разработать систему сбора данных о структуре транспортного потока, направлениях движения и количестве транспортных средств в режиме реального времени. Для достижения поставленной цели необходимо решить следующие задачи:
1) исследовать существующие в мире подходы для мониторинга дорожного движения;
2) выбрать подход к решению задачи мониторинга ДД;
3) проанализировать и подготовить исходные данные для обучения нейронной сети;
4) разработать подходящую модель нейронной сети;
5) обучить НС и разработать необходимые программные модули;
6) протестировать работу системы в режиме реального времени.

Купить

Цель данной работы состояла в разработке системы, позволяющей получать данные о структуре транспортного потока, направлениях движения и количестве транспортных средств в режиме реального времени.
В соответствии с целью, в первой главе данной работы был проведен обзор существующих решений в области мониторинга транспортных потоков. Рассмотрены библиотеки, предоставляющие упрощенный интерфейс для работы с нейронными сетями. Проанализированы нейросетевые подходы и существующие модели в задачах обнаружения объектов на изображении. Были выявлены достоинства и недостатки нейросетевых моделей в рамках поставленной задачи и на основании этого был сделан выбор подходящей архитектуры нейронной сети.
Во второй главе была сформулирована постановка задачи обнаружения объектов на изображении, описана архитектура нейронной сети. Рассмотрен метод обучения нейронной сети, ее функции активации и функция потерь. Выбраны и описаны метрики для оценки качества работы нейронной сети. Представлен метод подсчета транспортных средств.
В третьей главе представлены алгоритмы обучения нейронной сети и подсчета транспортных средств. Была обучена нейронная сеть и получены значения метрик качества. Также программа была успешно протестирована на тестовом перекрестке в режиме реального времени.
Результаты данной работы успешно используются в рамках проекта AIMS для решения задачи мониторинга транспортных потоков. В дальнейшем планируется расширить функционал программы для одновременного мониторинга нескольких дорожных узлов.

Купить