سیستم نظارت بر ترافیک با قابلیت هوش مصنوعی

نظارت دستی ترافیک می تواند یک کار دلهره آور باشد زیرا مراکز مدیریت ترافیک تعداد بی شماری از دوربین های نصب شده روی یک شبکه را اجرا می کنند. تزریق سطحی از اتوماسیون می تواند به کاهش بار کار اپراتورهای انسانی که نظارت دستی را انجام می دهند کمک کند و تصمیم گیری های پیشگیرانه را تسهیل کند که تاثیر حوادث و ازدحام مکرر در جاده ها را کاهش می دهد. این مقاله یک رویکرد جدید برای نظارت خودکار فیلم های ترافیکی زمان واقعی با استفاده از شبکه های عصبی پیچیده و یک رابط کاربری گرافیکی مستقل ارائه می کند. نویسندگان نتایج تحقیقات دریافت شده در فرآیند توسعه مدل هایی را توصیف می کنند که به عنوان یک چارچوب یکپارچه برای یک سیستم نظارت بر ترافیک فعال با هوش مصنوعی عمل می کند. سیستم پیشنهادی چندین الگوریتم یادگیری عمیق پیشرفته را برای خودکارسازی نیازهای مختلف نظارت بر ترافیک به کار می گیرد. با استفاده از یک پایگاه داده بزرگ از داده های نظارت تصویری مشروح، مدل های مبتنی بر یادگیری عمیق برای شناسایی صف ها، ردیابی وسایل نقلیه ساکن و جدول بندی تعداد خودروها آموزش داده می شوند. یک رویکرد تقسیم بندی در سطح پیکسل برای شناسایی صف های ترافیک و پیش بینی شدت اعمال می شود. الگوریتم های تشخیص شی در زمان واقعی همراه با سیستم های ردیابی مختلف برای شناسایی خودکار وسایل نقلیه سرگردان و همچنین انجام شمارش وسایل نقلیه مستقر می شوند. در هر مرحله از توسعه، نتایج تجربی جالبی برای نشان دادن اثربخشی سیستم پیشنهادی ارائه می شود. به طور کلی، نتایج نشان می دهد که چارچوب پیشنهادی در شرایط مختلف به طور رضایت بخشی عمل می کند بدون اینکه به شدت تحت تاثیر خطرات محیطی مانند تاری نماهای دوربین، نور کم، باران یا برف قرار گیرد.

کلیدواژه ها:

نظارت بر ترافیک ، سیستم های حمل و نقل هوشمند ، صف های ترافیکی ، شمارش وسایل نقلیه ، هوش مصنوعی ، یادگیری عمیق.