Исследователи от Texas Advanced Computing Center (TACC), Центра Техасского университета Исследования Транспортировки и города Остина верят так. Вместе, они работают, чтобы разработать инструменты, которые позволяют сложные, доступные для поиска транспортные исследования, используя глубоко изучение и сбор данных.
На Международной конференции IEEE по вопросам Больших данных в этом месяце, они представят новое глубокое средство обучения, которое использует сырую транспортную видеозапись камеры от камер города Остина, чтобы признать объекты – людей, автомобили, автобусы, грузовики, велосипеды, мотоциклы и светофор – и характеризовать, как те объекты перемещаются и взаимодействуют. Эта информация может тогда быть проанализирована и подвергнута сомнению транспортными инженерами и чиновниками, чтобы определить, например, сколько автомобилей ведет неправильный путь вниз односторонней улицей.«Мы надеемся разработать гибкую и эффективную систему, чтобы помочь транспортным исследователям и лицам, принимающим решения для динамических, реальных аналитических потребностей», сказал Вэйцзя Сюй, исследователь, который возглавляет Data Mining & Statistics Group в TACC. «Мы не хотим строить готовое решение для единственной, определенной проблемы.
Мы хотим исследовать средства, которые могут быть полезными для многих аналитических потребностей, даже те, которые могут появиться в будущем».Алгоритм, который они разработали для транспортного анализа автоматически, маркирует все потенциальные объекты от исходных данных, отслеживает объекты, сравнивая их с другими ранее признанными объектами и сравнивает продукцию от каждой структуры, чтобы раскрыть отношения среди объектов.Как только исследователи разработали систему, способную к маркировке, отслеживанию и анализу движения, они применили его к двум практическим примерам: подсчет, сколько движущихся транспортных средств ездило вниз дорога и определяющий близко, сталкивается между транспортными средствами и пешеходами.
Система автоматически посчитала транспортные средства в 10-минутном видеоклипе, и предварительные результаты показали, что их инструмент был на 95 процентов точен в целом.Понимание объемов перевозок и их распределения со временем очень важно для утверждения моделей транспортировки и оценки исполнения сети транспортировки, сказала Наталия Руис Хури, научный сотрудник и директор Центра Моделирования Сети в Центре UT Исследования Транспортировки.«Существующая практика часто полагается на использование дорогих датчиков для непрерывного сбора данных или на транспортных исследованиях, что типовые объемы перевозок в течение нескольких дней во время отобранных периодов времени», сказала она. «Использование искусственного интеллекта, чтобы автоматически произвести объемы перевозок от существующих камер предоставило бы намного более широкую пространственную и временную страховую защиту сети транспортировки, облегчив поколение ценных наборов данных, чтобы поддержать инновационное исследование и понять воздействие организации дорожного движения и операционных решений».
В случае потенциальных близких столкновений исследователи смогли автоматически определить много случаев, где транспортные средства и пешеходы были в непосредственной близости. Ни одна из этих представленных реальных опасностей, но они продемонстрировали, как система обнаруживает опасные местоположения без человеческого вмешательства.«Город Остин стремится заканчивать транспортные смертельные случаи, и видео аналитика будет мощным инструментом, чтобы помочь нам точно определить потенциально опасные местоположения», сказала Джен Дати, инженер-консультант для города Остина и сотрудник на проекте. «Мы можем направить наши ресурсы к фиксации проблемных местоположений перед травмой, или смертельный случай происходит».Исследователи планируют исследовать, как автоматизация может облегчить другие связанные с безопасностью исследования, такие как идентификация местоположений, где пешеходы пересекают оживленные улицы за пределами обозначенных проходов, понимая, как водители реагируют на различные типы обозначения пешеходного урожая и определения количества, как далеко пешеходы готовы идти, чтобы использовать проход.
Проект показывает, как технологии искусственного интеллекта могут значительно уменьшить усилие, вовлеченное в анализ видео данных, и предоставить преступную информацию для лиц, принимающих решения.«Высоко ожидаемое введение самоходных и связанных автомобилей может привести к существенным изменениям в поведении транспортных средств и пешеходов и на исполнении шоссе», сказал Руис Хури. «Видео данные будут играть ключевую роль в понимании таких изменений, и искусственный интеллект может быть главным в предоставлении возможности всесторонних крупномасштабных исследований, которые действительно захватывают воздействие новых технологий».
Команда построила веб-сайт, где общественность может рассмотреть примеры их обнаружения, отследив и подвергнуть сомнению инструмент для транспортного анализа.