Обеспечение, что движение перемещается гладко и без большого ручного вмешательства, требует автоматизированных автомобильных методов подсчета, которые часто утомительны и тяжелы, чтобы выступить. Они также не надежные. Автомобильные методы подсчета включают радар, инфракрасные или индуктивные датчики петли, а также использование транспортных камер. Компьютер основанная на видении система также может быть подходящей альтернативой для автомобильного подсчета, однако, этот метод, ограничен погодными условиями и естественным светом.
В новом исследовании исследователи из Колледжа FAU Разработки и Информатики (COECS) намереваются находить лучший способ контролировать и оценить транспортный поток, используя интеллектуальные транспортные системы наблюдения. Они хотели разработать автоматизированную автомобильную систему подсчета, используя инфраструктуру и камеры уже в месте, которое могло выполнить хорошо и день и ночь, и в солнечных и облачных погодных условиях.Результаты их исследования, опубликованного в журнале Sensors, показывают, что при любой погоде, ночь или день, система разработали значительно побежденные автоматизированные автомобильные методы подсчета, в настоящее время используемые. У их системы была средняя степень точности больше чем 96 процентов, далеко выше степеней точности старой системы.
Новая программа, которую исследователи назвали «Структурой OverFeat», показывает большой потенциал в области транспортного контроля и могла предоставить идеальное решение для эффективно «подсчета автомобилей». Структура OverFeat – эффективная комбинация Convolution Neural Networks (CNN) и классификации изображений и методов признания.Исследовательская группа, во главе с Хонгбо Су, доктором философии, соответствующим автором исследования и доцентом в Отделе Гражданской, Экологической и Разработки Geomatics в COECS, развивалась и осуществленный два алгоритма для этой новой программы: Background Subtraction Method (BSM) и Структура OverFeat, используя язык Пайтона для автоматического автомобильного подсчета. Су и первый автор исследования, Дебоджит Бисвас, аспирант в Университете, оценили точность этой новой системы, сравнив его с ручным подсчетом.
«Понимание физического транспортного груза очень важно для руководящего движения, а также для ремонта дорог или строительства новых дорог», сказал Су. «Подсчет автомобилей необходим, чтобы понять плотность автомобилей на наших дорогах, которая в конечном счете помогает инженерам и лицам, принимающим решения, в их планировании и составлении бюджета процессов».Развиваясь и проверяя эту новую систему, исследователи также учли другие факторы, которые могли бы затронуть видеокамеры, такие как колебания на мостах и других подобных условиях.
Они изучили автобусы (1 300 изображений), автомобили (1 300 изображений), такси (1 300 изображений), грузовики (1 568 изображений) и спасательные транспортные средства огня (1 300 изображений) использование шести транспортных видео, расположенных на некоторых самых оживленных дорогах в Южной Флориде. Они собрали видеозапись из этих камер в разное время в течение дня.Считается, что есть больше чем 1 миллион видеокамер, помещенных вдоль главных дорог, таких как шоссе, автострады, автострады, скоростные автомагистрали, а также магистрали всюду по США Во Флориде, есть тысячи камер, помещенных в оживленные шоссе, чтобы помочь водителям с их повседневными поездками на работу.«Большая часть этой новой системы – то, что Вам не нужна никакая дополнительная инфраструктура, потому что камеры уже помещены в стратегически важные точки на наших дорогах и шоссе», сказал Александр Стеванович, доктор философии, соавтор исследования, адъюнкт-профессор Отдела FAU Гражданской, Экологической и Разработки Geomatics, и директор Лаборатории Университета для Адаптивных Транспортных Операций и управления. «Мы используем видео от этих камер, чтобы точно посчитать автомобили, чтобы дать нам лучшее знание о перегруженности на наших дорогах.
Затем мы поделимся этой информацией со специалистами по организации дорожного движения так, чтобы они могли выяснить, как лучше всего решить проблемы, чтобы оптимизировать вождение, предоставьте новые маршруты и в конечном счете улучшите транспортный поток».Су и Стеванович планируют работать с агентствами местного, государственного и федерального правительства, а также коммерческими предприятиями, чтобы максимизировать выгоду системы, которую они разработали, и в конечном счете обеспечьте новый способ «подсчета автомобилей».