ОПТИМИЗАЦИЯ РАБОТЫ АДАПТИВНЫХ СВЕТОФОРОВ НА ОСНОВЕ ИСПОЛЬЗОВАНИЯ МАШИННОГО ЗРЕНИЯ

Владимир Дмитриевич Шепелев, Злата Викторовна Альметова, Александр Дмитриевич Моор, Валерия Игоревна Берстенева

Аннотация


В работе проведен анализ дорожного и пешеходного трафиков на регулируемом перекрестке с применением нейронных сетей в задачах интерпретации видеопотока, поступающего с камер уличного наблюдения. Предложен новый подход по оптимизации пропускной способности узлов на основе интеллектуальной технологии по взаимодействию дорожной инфраструктуры с транспортным и дорожным трафиком I2P. Установлены факторы, влияющие на снижение эффективности использования дорожной инфраструктуры. На основе динамического мониторинга дорожного и пешеходного трафиков разработаны алгоритмы работы светофорных объектов с учетом параметров пешеходного трафика. Решение основано на сборе и обработки динамических данных дорожного и пешеходного трафиков в режиме реального времени для системы обучения адаптивных светофоров. В основу «умного светофора» заложен принцип создания минимальных воздействий на пешеходный трафик и обеспечения максимальной пропускной способности транспорта при повороте направо. Исследования предлагаемого подхода проводились на одном из самых загруженных перекрестков г. Челябинска и могут быть использованы на других узлах улично-дорожной сети (УДС) городов.

Ключевые слова


мониторинг; машинное зрение; пропускная способность перекрестка; умный светофор.

Полный текст:

PDF

Литература


Ameddah M.A., Das B., Almhana J. Priority based algorithm for traffic intersections streaming using VANET // 14th International Wireless Commu

nications and Mobile Computing Conference. – Limassol, Cyprus, 2018.

Adebiyi R.F., Abubilal K.A., Mu'azu M.B., Adebiyi B.H. Development and simulation of adaptive traffic light controller using artificial bee colony algorithm // International Journal of Intelligent Systems and Applications. – 2018. – V.10 (8). – P. 68–74.

Younis O., Moayeri N. Employing cyber-physical systems: dynamic traffic light control at road intersections // IEEE Internet of Things Journal. – 2017. – V. 4 (6). – P. 2286–2296.

Manandhar B., Joshi B. Adaptive traffic light control with statistical multiplexing technique and particle swarm optimization in smart cities // 3rd IEEE International Conference on Computing, Communication and Security. – Kathmandu, Nepal, 2018.

Shinde S.M. Adaptive traffic light control system // 1st International Conference on Intelligent Systems and Information Management. – Maharashtra, India, 2017.

Климович, А.Н. Алгоритм управления перекрестком на основе V2I взаимодействия / А.Н. Климович, В.Н. Шуть // Системный анализ и прикладная информатика. – 2018. – № 4. – С. 21–27.

Зиновьев, И.В. Алгоритм адаптивного управления светофорами на основе алгоритма роя частиц / И.В. Зиновьев // Научный журнал. – 2016. – № 4(5). – С. 26–30.

Guo P., Lei D., Ye L. An indefinite cycle traffic light timing strategy // International Journal of Advanced Computer Science and Applications. – 2018. – V. 9, No. 5.

Mishra S., Birchha V. An improved smart traffic signal using computer vision and artificial intelligence // International Journal of Recent Technology and Engineering. – 2019. – V. 8 (4). – P. 4124–4131.

Narnolia V., Jana U., Chattopadhyay S., Roy S. Generalized smart traffic regulation framework with dynamic adaptation and prediction logic using computer vision // Advances in Intelligent Systems and Computing. – 2020. – V. 937. – P. 249–263.

Chowdhury M.F., Ryad Ahmed Biplob M., Uddin J. Real time traffic density measurement using computer vision and dynamic traffic control // Joint 7th International Conference on Informatics, Electronics and Vision and 2nd International Conference on Imaging, Vision and Pattern Recognition. – Kitakyushu. Japan, 2018.

Das A., Pai S., Shenoy V.S., Vinay T., Shylaja S.S. D2: Real-time dehazing in traffic video analytics by fast dynamic bilateral filtering // Advances in Intelligent Systems and Computing. – 2020. – V. 1024. – P. 127–137.

Булавина, Л.В. Расчет пропускной способности магистралей и узлов / Л.В. Булавина. – Екатеринбург: УГТУ-УПИ, 2009. – 50 с. 14. Боровской, А.Е. Реальный поток насыщения в зависимости от класса легкового автомобиля/ А.Е. Боровской, А.Г. Шевцова // Проблемы качества и эксплуатации автотранспортных средств: Сб. матер. VII международной науч.техн. конф. – 2012. – Пенза: ПГУАС. – С. 244–250.

Идеальный поток насыщения на регулируемом пересечении. – 2019. –https://www.sciencedirect.com/science/article/pii/S2352146517305173 (дата обращения 20.12.2019 г.).

Kockelman K.M., Raheel A.S. Effect of vehicle type on the capacity of signalized intersections: the case of light-duty trucks // Journal of Transportation

Engineering. – 2000. – V. 126 (6). – P. 506–512.

Нейронные сети. – 2019. – https://journals. plos.org/plosone/article?id=10.1371/journal.pone.021 5136 (дата обращения 15.12.2019 г.).

Рекомендации по проектированию улиц и дорог городов и сельских поселений. – 2019. – https://files.stroyinf.ru/Data1/45/45490/ (дата обращения 23.12.2019 г.).

Стоимость 1 км дороги в Челябинской обл., нанесения дорожной разметки, установки искусственной дорожной неровности, дорожных знаков, барьерных ограждений, реконструкции светофорного объекта – 2019. – https://dostup1.ru/economics/Mindortrans-poschital-skolkostoit-1-kilometr-dorogi-v-Chelyabinskoyoblasti_89819.html (дата обращения 12.11.2019 г.).

Стоимость камер видеонаблюдения. – 2019. – https://securityrussia.com/cctv/kamery/geovision-gv-bl3400 (дата обращения 22.11.2019 г.).


Ссылки

  • На текущий момент ссылки отсутствуют.