تحلیل و ارزیابی روش تعیین عملکرد ماشین خودران در تقاطع ها در شرایط چراغ زرد با استفاده از هوش مصنوعی

هدف اصلی این پژوهش، پیاده سازی یک سیستم هوش مصنوعی بر پایه یادگیری عمیق برای تشخیص و تعیین فاصله ی چراغ های راهنمایی تا خودروی خودران و عملکرد مناسب خودرو در شرایط زرد چراغ می باشد. نوآوری این پژوهش استفاده از مجموعه داده شهر تهران و پیاده سازی مدلی با دقت بیشتر از مدل های ساخته شده در مطالعات پیشین و همچنین استفاده از یک دوربین برای تشخیص فاصله خودرو تا چراغ راهنمایی می باشد. برای پیاده سازی مدل از مجموعه داده مختص چراغ های شهر تهران استفاده گردیده که مدل در چارچوب کتابخانه Tensorflow عمل می کند. برای ارزیابی عملکرد مدل در شرایط مختلف از جمله عرض تقاطع و سرعت وسیله نقلیه از تصاویر بخش آموزش استفاده شد که خودرو را قادر می سازد تا با استفاده از چهار سناریوی مطرح شده در این پژوهش تصمیم به عبور از تقاطع یا توقف در تقاطع بگیرد. تحلیل نتایج مدل با بررسی خروجی مدل همچون درستی، دقت، یادآوری، امتیاز F۱ و سرعت مدل ها با نتایج مطالعات گذشته ارزیابی شده و نشان داد نتایج صحیح بوده و نسبت به مدل های موجود از دقت بالاتری برخوردار می باشد. همچنین مدل برتر ارائه شده در این پژوهش، دارای دقتی برابر ۹۶ و درستی برابر با ۹۸ درصد می باشد. این سیستم بر اساس داده های چراغ راهنمایی شهر تهران قادر است با خطای کمتر از یک درصد(۸/۰ درصد) فاصله ی خودرو تا چراغ راهنمایی را محاسبه کند که نشان دهنده دقت بالای مدل می باشد که می تواند یک عملکرد مناسب را در شرایط زرد چراغ ارائه دهد. از این مدل می توان به عنوان جایگزین انسان در تشخیص چراغ راهنمایی در خودروهای خودران در حالت زرد چراغ استفاده نمود

کلیدواژه ها:

خودرو خودران ، چراغ راهنمایی ، تشخیص فاصله ، تک دوربین ، یادگیری عمیق