Искусственный интеллект научили прогнозировать пробки на дорогах
13 Января 2021
Фото: Дмитрий Куткин
Сопоставляя скорости движения, «умная» нейросеть перенаправит машины в «свободный коридор».
Южноуральские ученые придумали, как с помощью искусственного интеллекта избежать транспортных пробок. В рамках проекта «Умный транспорт» они создали программу, регулирующую транспортные потоки мегаполиса. Нейронные сети, сопоставляя скорость авто на трассах, перенаправят машины в «свободный коридор». Точность предложенного учеными интеллектуального метода превысила 90 %.
«Транспортные пробки — одна из главных проблем современных городов, — говорит доцент кафедры «Автомобильный транспорт» автотранспортного факультета ЮУрГУ Владимир Шепелев. — Примером тому Челябинск. Из-за нарастания потока машин пропускной способности перекрестков зачастую не хватает, увеличивается количество аварий, дорожных заторов. Интеллектуальные транспортные системы (ИТС) должны оперативно, в режиме реального времени, выявлять, прогнозировать и реагировать на изменения дорожного движения».
По словам ученого, этому призвана служить уличная сенсорная сеть с камерами отслеживания дорожных ситуаций. Но нередко у них низкое разрешение, а угол обзора порой закрывают столбы и дорожные знаки. Отсюда снижение точности определения скорости авто, отчего у водителей, получающих штрафы за превышение, возникает масса претензий.
Наши программисты предложили свой способ решения проблемы. Они разработали уникальную программу, которая в режиме онлайн собирает и посылает в ГИБДД данные о ситуации на дорогах. Искусственный интеллект анализирует до 400 параметров, а погрешность составляет меньше 10 %. На это ноу-хау уже получен патент. Ученые создали и протестировали методику измерения скорости транспорта, превосходящую даже зарубежные существующие аналоги.
«Нами разработаны алгоритмы обработки больших данных для создания единой системы принятия решения для всей транспортной системы города на основе искусственного интеллекта, — делится Владимир Шепелев. — Эта система, основанная на интеграции современных информационных и коммуникационно-телематических технологий, способна в автоматическом режиме вести поиск эффективных сценариев управления дорожным трафиком. «Умная» транспортная система мгновенно оценивает текущее состояние, сигнализирует об инцидентах, прогнозирует развитие событий, чтобы принимать нужные управленческие решения».
В процессе самообучения нейронная сеть исследовала и запомнила 6000 «картинок» дорожных ситуаций. С помощью разработанного учеными метода оптического потока она определяет скорость движения авто, а цифровые координаты исходного автомобиля преобразовываются в географические.
По словам разработчиков, метод протестировали в разное время суток на шести перекрестках Челябинска. Точность подсчета оказалась не менее 92 %, а погрешность определения скорости автомобиля не превышала 1,5 км.
В итоге получена «интеллектуальная» технология, которая позволяет грамотно управлять дорожным трафиком в режиме реального времени даже без обновления устаревших видеокамер, что дает немалую экономию. Ученые продолжают свои исследования, чтобы снять и другие проблемы транспортного контроля: перекрытие обзора камер объектами дорожной инфраструктуры, распознавание разных видов транспорта, определение системой угрозы ДТП.
«Транспортные пробки — одна из главных проблем современных городов, — говорит доцент кафедры «Автомобильный транспорт» автотранспортного факультета ЮУрГУ Владимир Шепелев. — Примером тому Челябинск. Из-за нарастания потока машин пропускной способности перекрестков зачастую не хватает, увеличивается количество аварий, дорожных заторов. Интеллектуальные транспортные системы (ИТС) должны оперативно, в режиме реального времени, выявлять, прогнозировать и реагировать на изменения дорожного движения».
По словам ученого, этому призвана служить уличная сенсорная сеть с камерами отслеживания дорожных ситуаций. Но нередко у них низкое разрешение, а угол обзора порой закрывают столбы и дорожные знаки. Отсюда снижение точности определения скорости авто, отчего у водителей, получающих штрафы за превышение, возникает масса претензий.
Наши программисты предложили свой способ решения проблемы. Они разработали уникальную программу, которая в режиме онлайн собирает и посылает в ГИБДД данные о ситуации на дорогах. Искусственный интеллект анализирует до 400 параметров, а погрешность составляет меньше 10 %. На это ноу-хау уже получен патент. Ученые создали и протестировали методику измерения скорости транспорта, превосходящую даже зарубежные существующие аналоги.
«Нами разработаны алгоритмы обработки больших данных для создания единой системы принятия решения для всей транспортной системы города на основе искусственного интеллекта, — делится Владимир Шепелев. — Эта система, основанная на интеграции современных информационных и коммуникационно-телематических технологий, способна в автоматическом режиме вести поиск эффективных сценариев управления дорожным трафиком. «Умная» транспортная система мгновенно оценивает текущее состояние, сигнализирует об инцидентах, прогнозирует развитие событий, чтобы принимать нужные управленческие решения».
В процессе самообучения нейронная сеть исследовала и запомнила 6000 «картинок» дорожных ситуаций. С помощью разработанного учеными метода оптического потока она определяет скорость движения авто, а цифровые координаты исходного автомобиля преобразовываются в географические.
По словам разработчиков, метод протестировали в разное время суток на шести перекрестках Челябинска. Точность подсчета оказалась не менее 92 %, а погрешность определения скорости автомобиля не превышала 1,5 км.
В итоге получена «интеллектуальная» технология, которая позволяет грамотно управлять дорожным трафиком в режиме реального времени даже без обновления устаревших видеокамер, что дает немалую экономию. Ученые продолжают свои исследования, чтобы снять и другие проблемы транспортного контроля: перекрытие обзора камер объектами дорожной инфраструктуры, распознавание разных видов транспорта, определение системой угрозы ДТП.
