Gli scienziati della South Ural State University hanno sviluppato un sistema intelligente unico per monitorare il flusso del traffico utilizzando l'intelligenza artificiale, che non richiede apparecchiature di registrazione specifiche e può funzionare su quasi tutti i tipi di fotocamera. Il sistema elabora istantaneamente i dati ricevuti in tempo reale, a differenza dei programmi esistenti in cui l'elaborazione comporta un ritardo fino a 10 o 15 minuti. Un articolo sui risultati dello studio è stato pubblicato su Giornale dei Big Data .

Soluzione per ingorghi stradali

"Abbiamo proposto e implementato un sistema modernizzato per la valutazione dei flussi di traffico, sulla base dei più recenti progressi nel rilevamento e nel monitoraggio dei veicoli. A differenza degli analoghi esistenti, il nostro sistema riconosce e analizza in tempo reale la direzione di movimento dei veicoli con un errore relativo massimo inferiore al 10 percento. Gli analoghi più vicini sono in grado di determinare la velocità e classificare i veicoli in una sola direzione e con la condizione di posizionare le telecamere sopra il flusso del traffico con una precisione dell'80-90 percento. Il funzionamento di una rete neurale consente di generare fino a 400 parametri di traffico in tempo reale ad ogni incrocio, " afferma il responsabile del progetto Vladimir Shepelev, professore associato presso il Dipartimento dei trasporti automobilistici dell'Istituto Politecnico SUSU.

L'esclusivo sistema di monitoraggio AIMS raccoglie, interpreta e trasmette i dati sull'intensità del traffico stradale, classifica 10 categorie di veicoli, misura la velocità, il livello di carico attuale di ciascuna direzione dell'intersezione, determina l'ulteriore direzione dei veicoli. Allo stesso tempo, riconoscimento di oggetti in tempo reale all'incrocio puro che AIMS produce attraverso l'uso di una sola telecamera CCTV Full HD.

"I risultati di questo studio possono essere applicati dalle autorità cittadine per migliorare la capacità di traffico complessiva dell'incrocio. Abbiamo già dimostrato il nostro sistema in diversi incroci a Chelyabinsk per verificare che la soluzione proposta sia sufficientemente accurata e possa essere utilizzata come base per altri modelli di alto livello, " dice Shepelev.

L'innovativa tecnologia fornisce dati sulla struttura del flusso di traffico, direzioni e velocità del veicolo in tempo reale. L'utilizzo della tecnologia di data mining supporterà l'implementazione di modelli di traffico efficienti, ridurre la congestione del traffico e migliorare la gestione delle risorse.

Reti neurali per l'analisi del traffico urbano

L'attuale pratica di monitoraggio del traffico si basa spesso sull'uso di costosi sensori per la raccolta continua dei dati o su uno studio visivo del traffico, di solito misurato per diversi giorni in determinati periodi di tempo. Però, i servizi di trasporto non ricevono informazioni adeguate e accurate sulla struttura del flusso di traffico, la sua intensità, velocità, e nella seguente direzione di movimento.

"Abbiamo gestito reti neurali per elaborare enormi quantità di dati video, non solo per rilevare e tracciare veicoli, ma anche per analizzare la sequenza degli eventi, " continua Shepelev. "Nel processo di sviluppo della tecnologia, abbiamo utilizzato le architetture di rete neurale open source Mask R-CNN e YOLOv3 per rilevare oggetti in tempo reale, così come il tracker SORT, il cui codice è stato modificato dal team per migliorare la qualità del tracciamento degli oggetti."

Il blocco analitico incorporato basato sull'intelligenza artificiale determina il livello di organizzazione del traffico all'incrocio e assegna KPI a ciascuna direzione di movimento.

Maggiore efficienza e riduzione dei costi di monitoraggio

Come risultato dell'ottimizzazione degli algoritmi della rete neurale YOLOv3, Gli scienziati SUSU sono stati in grado di ottenere una precisione del 95%, tenendo conto della perdita di oggetti durante il tracciamento, e riducendo significativamente il costo delle apparecchiature di monitoraggio in tempo reale.

"L'intelligenza artificiale con la visione artificiale porta la raccolta dei dati e l'analisi del traffico stradale a un nuovo livello, che consente di riconoscere veicoli con un'affidabilità molto maggiore che mai, " afferma Vladimir Shepelev. "Le nostre reti di deep learning sono facili da configurare, non richiedono apparecchiature di registrazione specifiche e possono funzionare su quasi tutti i tipi di fotocamera."

La tecnologia sviluppata dagli scienziati della South Ural State University aumenterà l'efficienza dell'utilizzo delle infrastrutture stradali urbane. Nel futuro prossimo, la tecnologia per il monitoraggio del traffico stradale utilizzando l'intelligenza artificiale entrerà a far parte del progetto di trasporto pubblico sostenibile per la città di Chelyabinsk.