Control Systems and Computers, N3, 2020, Статья 5
https://doi.org/10.15407/csc.2020.03.050
Stelmakh O.P., Stetsenko I.V., Velyhotskyi D.V. Information Technology of Video Data Processing for Traffic Intensity Monitoring. Control Systems and Computers. 2020. № 3. C. 50-59.
УДК 004.932
А.П. Стельмах, аспирант кафедры автоматизированных систем обработки информации и управления, Национальный технический университет Украины «Киевский политехнический институт имени Игоря Сикорского», (НТУУ «КПИ им. Игоря Сикорского»), ул. Победы, 37, Киев, 03056, Украина, stelmahwork @gmail.com
И.В. Стеценко, доктор технических наук, профессор кафедры автоматизированных систем обработки информации и управления, Национальный технический университет Украины «Киевский политехнический институт имени Игоря Сикорского», (НТУУ «КПИ им. Игоря Сикорского»), ул. Победы, 37, Киев, 03056, Украина, stiv.inna@gmail.com
Д.В. Велигоцкий, младший научный сотрудник, Институт прикладных проблем физики и биофизики НАН Украины, ул. В.Степанченко, 3, Киев 03680, Украина, vely_dima@ukr.net
ИНФОРМАЦИОННАЯ ТЕХНОЛОГИЯ МОНИТОРИНГА ИНТЕНСИВНОСТИ ДОРОЖНОГО ДВИЖЕНИЯ ПО ДАННЫМ ВИДЕОРЯДА
Введение. Пробки на дорогах являются огромной проблемой для всех участников дорожного движения и причиной их является растущая интенсивность движения и неудовлетворительное качество систем управления транспортным движением. Системы, управляющие транспортными потоками и принимают решение об изменении параметров управления, должны получать достоверные и актуальные данные об интенсивности трафика. С целью точного определения интенсивности транспортного движения была разработана система автоматизированной обработки данных видеоряда с камер видеонаблюдения полосы дорожного движения. Интенсивность транспортного движения определяется разработанным методом получения показателя загруженности транспортного движения (TLCR) по данным, полученным в результате обработки кадра видеоряда с использованием нейросети U-Net. Результаты исследований показывают, что предложенная методика способна подсчитывать транспортные средства с точностью 99,35%.
Цель статьи. Целью исследования является повышение точности определения интенсивности движения на основе анализа видеоданных в режиме реального времени путем автоматизированной обработки видеоданных, полученных с камер видеонаблюдения полосы.
Методы.Распознавание образов, моделирование, искусственный интеллект, анализ данных.
Результаты. Разработана информационная технология определения интенсивности дорожного движения по данным видеоряда, поступающих с видеокамеры наблюдения. Предложенная система успешно подсчитала транспортные средства с высокой производительностью, например, средние значения F-мера и точность достигли 0,9967 и 0,9935 соответственно.
Выводы. В данном исследовании разработана технология определения интенсивности дорожного движения по данным видеоряда, поступающих с видеокамеры наблюдения. Усовершенствованный алгоритм определения показателя загруженности транспортного участка TLCR позволяет учитывать только автомобили, которые движутся по исследуемой полосе. Разработан метод определения интенсивности дорожного движения на основе последовательных значений показателя загруженности.
Последовательность обработки и преобразований данных составляют новую технологию определения интенсивности дорожного движения, и обеспечивает высокую точность оценки интенсивности движения транспортных средств на участке дорожного движения. Предложенная система успешно подсчитала транспортные средства с высокой производительностью, например, средние значения F-мера и точность достигли 0,9967 и 0,9935 соответственно.
В дальнейших исследованиях необходима разработка программного модуля, который реализует алгоритм прогнозирования показателя загруженности с учетом всего набора данных.
Загрузить полный текст в PDF (на английском).
Ключевые слова: анализ изображений, интенсивность транспортного движения, показатель загруженности транспортного движения, TLCR, нейросеть.
Надійшла 25.05.2020
