Los científicos de la Universidad Estatal de los Urales del Sur han desarrollado un sistema inteligente único para monitorear el flujo del tráfico utilizando inteligencia artificial, que no requiere un equipo de grabación específico y puede funcionar en casi cualquier tipo de cámara. El sistema procesa instantáneamente los datos recibidos en tiempo real, a diferencia de los programas existentes en los que el procesamiento tiene un retraso de hasta 10 a 15 minutos. Se publicó un artículo sobre los resultados del estudio en la Revista de Big Data .

Solución de atascos de tráfico

"Hemos propuesto e implementado un sistema modernizado para evaluar los flujos de tráfico, basado en los avances más recientes en la detección y seguimiento de vehículos. A diferencia de los análogos existentes, nuestro sistema reconoce y analiza en tiempo real la dirección de movimiento de los vehículos con un error relativo máximo de menos del 10 por ciento. Los análogos más cercanos son capaces de determinar la velocidad y clasificar los vehículos en una sola dirección y con la condición de colocar las cámaras por encima del flujo de tráfico con una precisión del 80-90 por ciento. Operar una red neuronal le permite generar hasta 400 parámetros de tráfico en tiempo real en cada intersección, "dice el director del proyecto Vladimir Shepelev, profesor asociado del Departamento de Transporte Automotriz del Instituto Politécnico SUSU.

El exclusivo sistema de monitoreo AIMS recopila, interpreta y transmite datos sobre la intensidad del tráfico rodado, clasifica 10 categorías de vehículos, mide la velocidad, el nivel de carga actual de cada dirección de la intersección, determina la dirección adicional de los vehículos. Al mismo tiempo, reconocimiento de objetos en tiempo real en la pura intersección que produce AIMS mediante el uso de una sola cámara CCTV Full HD.

"Las autoridades de la ciudad pueden aplicar los resultados de este estudio para mejorar la capacidad de tráfico general de la intersección. Ya hemos probado nuestro sistema en varias intersecciones en Chelyabinsk para verificar que la solución propuesta es lo suficientemente precisa y puede usarse como base para otros modelos de alto nivel, "dice Shepelev.

La tecnología innovadora entrega datos sobre la estructura del flujo de tráfico, direcciones y velocidades del vehículo en tiempo real. El uso de tecnología de minería de datos respaldará la implementación de patrones de tráfico eficientes, reducir la congestión del tráfico y mejorar la gestión de recursos.

Redes neuronales para el análisis del tráfico urbano

La práctica actual de monitorear el tráfico con frecuencia se basa en el uso de sensores costosos para la recopilación continua de datos o en un estudio visual del tráfico. generalmente se mide durante varios días durante ciertos períodos de tiempo. Sin embargo, los servicios de transporte no reciben información adecuada y precisa sobre la estructura del flujo de tráfico, su intensidad, velocidad, y en la siguiente dirección de movimiento.

"Gestionamos redes neuronales para procesar cantidades masivas de datos de vídeo, no solo para detectar y rastrear vehículos, sino también para analizar la secuencia de eventos, "continúa Shepelev." En el proceso de desarrollo de la tecnología, Usamos las arquitecturas de red neuronal Mask R-CNN y YOLOv3 de código abierto para detectar objetos en tiempo real, así como el rastreador SORT, cuyo código fue modificado por el equipo para mejorar la calidad del seguimiento de objetos ".

El bloque analítico integrado basado en inteligencia artificial determina el nivel de organización del tráfico en la intersección y asigna KPI a cada dirección de movimiento.

Mayor eficiencia y reducción de los costos de monitoreo

Como resultado de la optimización de los algoritmos de la red neuronal YOLOv3, Los científicos de SUSU pudieron lograr una precisión al nivel del 95 por ciento, teniendo en cuenta la pérdida de objetos durante el seguimiento, y reducir significativamente el costo de los equipos de monitoreo en tiempo real.

"La inteligencia artificial con visión artificial lleva la recopilación de datos y el análisis del tráfico rodado a un nuevo nivel, haciendo posible reconocer vehículos con una fiabilidad mucho mayor que nunca, "dice Vladimir Shepelev." Nuestras redes de aprendizaje profundo son fáciles de configurar, no requieren un equipo de grabación específico y pueden funcionar en casi cualquier tipo de cámara ".

La tecnología desarrollada por científicos de la Universidad Estatal de los Urales del Sur aumentará la eficiencia del uso de la infraestructura vial urbana. En el futuro cercano, La tecnología para monitorear el tráfico rodado utilizando inteligencia artificial se convertirá en parte del proyecto de Transporte Público Sostenible para la ciudad de Chelyabinsk.