據(jù)外媒報(bào)道，俄羅斯南烏拉爾國(guó)立大學(xué)（South Ural State University）的科學(xué)家們研發(fā)了一個(gè)獨(dú)特的智能系統(tǒng)，以利用人工智能監(jiān)控交通流量，而且無(wú)需特定的錄制設(shè)備，就可以幾乎在任何類(lèi)型的攝像頭上工作?，F(xiàn)有的程序在處理實(shí)時(shí)接收到的數(shù)據(jù)時(shí)，處理過(guò)程會(huì)延遲10至15分鐘，與之不同的是，該系統(tǒng)可以即時(shí)處理此類(lèi)數(shù)據(jù)。

交通擁堵解決方案

南烏拉爾國(guó)立大學(xué)理工學(xué)院汽車(chē)運(yùn)輸系副教授兼項(xiàng)目經(jīng)理Vladimir Shepelev表示：“我們建議并推行一套以最新車(chē)輛偵測(cè)及追蹤技術(shù)為基礎(chǔ)的現(xiàn)代化交通流量評(píng)估系統(tǒng)。與現(xiàn)有的類(lèi)似系統(tǒng)不同，該系統(tǒng)能夠?qū)崟r(shí)識(shí)別和分析車(chē)輛的運(yùn)動(dòng)方向，最大相對(duì)誤差小于10%，而與之最類(lèi)似的系統(tǒng)是，只能確定一個(gè)方向上車(chē)輛的車(chē)速和類(lèi)型，而且在攝像頭的幫助下，精度才能達(dá)到80%至90%。而該系統(tǒng)利用神經(jīng)網(wǎng)絡(luò)則可以生成十字路口中多達(dá)400個(gè)交通參數(shù)?！?/p>

該獨(dú)特的AIMS監(jiān)控系統(tǒng)能夠收集、解釋和傳輸有關(guān)道路交通密度的數(shù)據(jù)，對(duì)10類(lèi)車(chē)輛進(jìn)行分類(lèi)、測(cè)量車(chē)速、判斷交叉路口各個(gè)方向當(dāng)前的負(fù)荷水平、確定車(chē)輛接下來(lái)的行駛方向。與此同時(shí)，只需要一個(gè)全高清的閉路電視（CCTV）攝像頭就可以在十字路口實(shí)時(shí)識(shí)別目標(biāo)。

Shepelev表示：“該項(xiàng)研究的結(jié)果可讓城市當(dāng)局用于提高十字路口的整體交通容量。而且，我們已經(jīng)在車(chē)?yán)镅刨e斯克的幾個(gè)十字路口驗(yàn)證了該系統(tǒng)足夠準(zhǔn)確，可以作為其他高級(jí)模型的基礎(chǔ)?！?/p>

該項(xiàng)創(chuàng)新技術(shù)可以實(shí)時(shí)提供有關(guān)交通流量結(jié)構(gòu)、車(chē)輛方向和車(chē)速等數(shù)據(jù)，利用數(shù)據(jù)挖掘技術(shù)可以有利于實(shí)現(xiàn)高效的交通模式、減少交通擁堵、改善資源管理。

用于分析城市交通的神經(jīng)網(wǎng)絡(luò)

目前監(jiān)測(cè)交通往往依賴(lài)于使用昂貴的傳感器連續(xù)收集數(shù)據(jù)，或者對(duì)交通進(jìn)行視覺(jué)研究，通常在幾天內(nèi)對(duì)某一時(shí)間段內(nèi)的交通持續(xù)進(jìn)行測(cè)量。但是，交通服務(wù)還是無(wú)法收到有關(guān)交通流量結(jié)構(gòu)、密度、車(chē)速和運(yùn)動(dòng)方向等正確且準(zhǔn)確的信息。

Shepelev表示：“我們管理的神經(jīng)網(wǎng)絡(luò)會(huì)處理大量的視頻數(shù)據(jù)，不僅可檢測(cè)和跟蹤車(chē)輛，還可以用于分析事件的發(fā)生順序。在研發(fā)該技術(shù)的過(guò)程中，我們采用了開(kāi)源的Mask R-CNN（卷積神經(jīng)網(wǎng)絡(luò)）和YOLOv3神經(jīng)網(wǎng)絡(luò)架構(gòu)以實(shí)時(shí)探測(cè)目標(biāo)，還采用了SORT目標(biāo)追蹤算法，團(tuán)隊(duì)修改了該算法的代碼以改善目標(biāo)追蹤質(zhì)量?！?/p>

基于人工智能的嵌入式分析模塊能夠確定十字路口交通組織的層次，并且將性能指標(biāo)（KPI）分配給十字路口的每個(gè)交叉口（以進(jìn)行測(cè)量）。

增加效率、降低監(jiān)控成本

由于優(yōu)化了YOLOv3神經(jīng)網(wǎng)絡(luò)算法，南烏拉爾國(guó)立大學(xué)的科學(xué)家們能夠?qū)⒆粉欉^(guò)程中丟失目標(biāo)考慮在內(nèi)，目標(biāo)跟蹤精度達(dá)到95%，大大降低了實(shí)時(shí)監(jiān)控設(shè)備的成本。

Shepelev表示：“具有機(jī)器視覺(jué)的人工智能技術(shù)能夠?qū)⒌缆方煌〝?shù)據(jù)收集和分析提升至一個(gè)新水平，將識(shí)別車(chē)輛的可靠性大大提高。而且我們的深度學(xué)習(xí)網(wǎng)絡(luò)易于配置，無(wú)需特定的錄制設(shè)備，幾乎可以在任何類(lèi)型的攝像頭上工作?！?/p>

南烏拉爾國(guó)立大學(xué)科學(xué)家們研發(fā)的該項(xiàng)技術(shù)將提高城市道路基礎(chǔ)設(shè)施的使用效率，在不久的將來(lái)，利用人工智能監(jiān)測(cè)道路交通的技術(shù)將成為車(chē)?yán)镅刨e斯克市可持續(xù)公共交通項(xiàng)目的一部分。

（文中圖片均來(lái)自南烏拉爾國(guó)立大學(xué)）

返回第一電動(dòng)網(wǎng)首頁(yè) >