Разработка математического и программного обеспечения анализа поведения транспортных средств в транспортном потоке
ФИО: Подколзин П. Д.
Направление: Информационные технологии
Научный руководитель: к.т.н., проф. Крапухина Н.В.
Институт: Институт информационных технологий и автоматизированных систем управления
Кафедра: Кафедра Инженерной кибернетики
Академическая группа: ММ-10-1
В настоящее время остро стоит проблема исследования и реструктуризации транспортных потоков, особенно в крупных мегаполисах. Оптимизация транспортных потоков путем управления движением по всей дорожной сети позволит существенно увеличить пропускную способность дорог, уменьшить количество дорожно-транспортных происшествий, заторов.
Для поиска эффективного решения задачи управления транспортным потоком внедряют системы машинного зрения. Необходимость применения таких систем может заключаться в следующем:
• Определение места дорожно-транспортного происшествия, выявление нарушений правил дорожного движения;
• Расчет средней скорости автомобиля;
• Создание информационных систем, обеспечивающих водителей данными о заторах и иных проблемах на дорогах в режиме реального времени;
• Сбор статистических данных о дорожном трафике.
Целью данной работы является построение поведенческой модели транспортных средств в транспортном потоке. В качестве исходных данных используется изображение, полученное из видеоряда транспортного потока в различных ситуациях (статическая или динамическая камера, день или ночь и т. д.).
• На данном этапе были решены следующие задачи:
• Распознавание объектов транспортного потока с помощью метода вычитания фона и гистограммы ориентированных градиентов;
• Классифицирование опознанных объектов для выявления транспортных средств методом опорных векторов;
• Отслеживание транспортных средств с помощью алгоритма Лукаса-Канаде;
• Выявление скорости и траектории каждого отдельного участника транспортного потока.
На выходе получаем множество транспортных средств:
В дальнейшем планируется провести обработку и анализ полученной статистической информации для построения поведенческой модели ТС.