Чтобы оптимизировать транспортный поток на городских улицах, муниципалитеты часто устанавливают камеры подсчета автомобилей или другие датчики в нескольких установленных местах. Новое исследование, однако, предполагает, что использование существующих камер, установленных в автобусах, может быть лучшим способом.
Большинство городских автобусов уже оснащены камерами, обращенными вперед, по той же причине, что и многие частные автомобили: документировать любые несчастные случаи, в которых они могут быть замешаны. Такие камеры используются в автобусах, используемых в кампусе Университета штата Огайо, который немного напоминает небольшой город.
Помня об этом, команда штата Огайо под руководством доц. Профессор Кит Редмилл разработал основанный на искусственном интеллекте алгоритм анализа кадров, снятых этими камерами.
Программное обеспечение использует модель глубокого обучения, известную как YOLOv4, для обнаружения и отслеживания нескольких объектов в отдельных кадрах видео. Эта возможность позволяет определить, сколько транспортных средств присутствует в каждом кадре, сколько движется, а не припарковано на обочине, а также скорость/траекторию движущихся автомобилей.
Используя эти данные — наряду с существующими цифровыми картами улиц и данными спутников GNSS — алгоритм может создавать карты улиц, по которым ездят автобусы, показывая записанный транспортный поток в каждой точке. Уличные камеры, напротив, могут отслеживать трафик только в относительно небольшом количестве заданных мест.
«Если мы будем собирать и обрабатывать более полную пространственную информацию с высоким разрешением о том, что происходит на дорогах, то планировщики смогут лучше понимать изменения в спросе, эффективно повышая эффективность транспортной системы в целом», — сказал Редмилл.
Доклад об исследовании был недавно опубликован в журнале Sensors.
