俄罗斯科学家研发基于AI的交通监控系统 无需特定设备即时处理数据

据外媒报道，俄罗斯南乌拉尔州立大学的科学家开发了一种独特的智能系统，利用人工智能监测交通流量，几乎可以在任何类型的相机上工作，而不需要特定的记录设备。与现有程序将实时接收数据的处理延迟10到15分钟不同，该系统可以实时处理此类数据。

南乌拉尔国立大学技术学院汽车运输系副教授兼项目经理Vladimir Sheplev表示：我们建议并实施基于最新车辆检测和跟踪技术的现代交通流评估系统。与现有的类似系统不同，该系统可以实时识别和分析车辆的运动方向，最大相对误差小于10%。最相似的系统是，它只能确定一个方向上的车辆速度和类型，在摄像头的帮助下，准确率可以达到80%到90%。通过使用神经网络，可以在十字路口生成多达400个交通参数。这个独特的AIMS监测系统可以收集、解释和传输与道路交通密度相关的数据，对10种类型的车辆进行分类，测量车速，确定十字路口每个方向的当前负载水平，并确定车辆行驶的下一个方向。同时，只需要一台全高清闭路电视摄像机就可以在十字路口实时识别目标。Shepelev表示，“这项研究的结果可以被城市当局用来提高十字路口的整体交通能力。此外，我们已经在车里雅宾斯克的几个十字路口验证了该系统的准确性，这可以作为其他先进模型的基础。”这项创新技术可以提供交通流结构、车辆方向和速度的实时数据，数据挖掘技术的使用有利于实现高效的交通模式，减少交通拥堵，改善资源管理。

用于分析城市交通的神经网络目前依赖于使用昂贵的传感器来连续收集数据或对交通进行视觉研究，通常在几天内测量一定时间内的交通。然而，交通服务仍然无法获得关于交通流结构、密度、速度和运动方向的准确信息。谢普列夫说， “我们管理的神经网络处理大量视频数据，不仅可以检测和跟踪车辆，还可以用于分析事件序列。在这项技术的开发中，我们使用开源的Mask R-CNN和YOLOv3神经网络架构实时检测目标，还使用了SORT目标跟踪算法提高目标跟踪质量的算法基于人工智能的嵌入式分析模块可以确定交叉口交通组织的层次结构，并为交叉口的每个交叉口分配性能指标。通过优化YOLOv3神经网络算法，南乌拉尔国立大学的科学家能够考虑到跟踪过程中目标的损失，从而使目标跟踪精度达到95%，并显著降低了实时监测设备的成本。Shepleev说， “具有机器视觉的人工智能技术可以将道路交通数据收集和分析提升到一个新的水平，大大提高识别车辆的可靠性。此外，我们的深度学习网络易于配置，不需要特定的记录设备，几乎可以在任何类型的相机上工作。这项技术由南乌拉尔国立大学的科学家开发将提高城市道路基础设施的使用效率。在不久的将来，使用人工智能监测道路交通将成为车里雅宾斯克市可持续公共交通项目的一部分。

标签：现代

汽车资讯热门资讯