Использование нейронных сетей для определения дорожной обстановки
Автор: Синицын Иван Сергеевич, Сулицкий Михаил Владимирович, Парыгин Данила Сергеевич, Джагаев Вячеслав Андреевич, Серякова Валерия Николаевна
Журнал: Сетевое научное издание «Системный анализ в науке и образовании» @journal-sanse
Статья в выпуске: 2, 2022 года.
Бесплатный доступ
В статье рассматривается факторы дорожной обстановки, влияющие на безопасность дорожного движения, среди которых погодные условия, как причина осложнения ситуации на дорогах, и дорожно-транспортные происшествия, являющиеся следствие различных негативных обстоятельств, а также вероятной причиной новых отрицательных факторов дорожного движения. Предлагается программное решение для идентификации негативных дорожных факторов на изображениях с камер видеонаблюдения с помощью моделей нейросетей YOLO и Mask-RCNN с последующим информирование пользователей через сервис бота в мессенджере Telegram.
Сверточная нейронная сеть, обучение нейронной сети, датасет, дтп, yolo, mask-rcnn, дорожная обстановка, телеграм-бот
Короткий адрес: https://sciup.org/14124581
IDR: 14124581
Список литературы Использование нейронных сетей для определения дорожной обстановки
- Число личных автомобилей в Москве выросло на треть за последние восемь лет // ТАСС: [ информационное агентство]. Дата публикации: 18.04.2019. URL: https://tass.ru/moskva/6349330.
- О Правилах дорожного движения: Постановление Правительства РФ от 23.10.1993 N 1090 (ред. от 31.12.2020) // КонсультантПлюс: [Информационная система]. URL: http://www.consultant.ru/document/cons_doc_LAW_2709/824c911000b3626674abf3ad6e38a6f04b8a7428/.
- Donchenko D., Sadovnikova N., Parygin D. Prediction of Road Accidents’ Severity on Russian Roads Using Machine Learning Techniques // Lecture Notes in Mechanical Engineering. Springer, 2020. Vol. II. Pp. 1493–1501.
- Сотрудниками ФКУ «Научный центр БДД МВД России» подготовлен обзор о дорожно-транспортной аварийности в Российской Федерации за 12 месяцев 2018 года // Официальный сайт Министерства внутренних дел Российской Федерации: Научный центр безопасности до-рожного движения. Дата публикации: 25.03.2019. URL: https://нцбдд.мвд.рф/news/item/16295803.
- Каяк А. Когда жизнь замирает: сколько времени люди проводят в пробках в разных странах мира // Деловой квартал DK.RU: Екатеринбург. Дата публикации: 20.02.2017. URL: https://ekb.dk.ru/news/kogda-zhizn-zamiraet-skolko-vremeni-lyudi-provodyat-v-probkah-v-raznyh-stranah-mira-237070860.
- Научное исследование. Причины дорожно-транспортных происшествий с участием грузовых автомобилей в Европе: Краткий обзор и рекомендации / IRU. Международный Союз Автомобильного Транспорта. URL: https://www.iru.org/sites/default/files/2016-01/ru-etac-summary.pdf.
- Абрамов К. В. Социологические исследования в области безопасности дорожного движения как важнейший инструмент мониторинга и планирования государственной политики / ВЦИОМ. Москва, 2016. URL: https://wciom.ru/fileadmin/file/reports_conferences/2016/2016-09-29-pdd.pdf.
- GPU-Card Performance Research in Satellite Imagery Classification Problems Using Machine Learning / D. K. Sharma [et al.] // Procedia Computer Science. Elsevier, 2020. Vol. 178. P. 55–64.
- Parygin D. Implementation of Exoactive Management Model for Urbanized Area: Real-Time Monitor-ing and Proactive Planning // Proceedings of the 2019 8th International Conference on System Model-ing and Advancement in Research Trends, Moradabad, India, 22–23 November 2019. IEEE, 2020. P. 310–316.
- Chansung P. YOLOv2 object detection using Darkflow. Дата публикации: 02.07.2018. URL: https://towardsdatascience.com/yolov2-object-detection-using-darkflow-83db6aa5cf5f.
- Mask R-CNN for Object Detection and Segmentation // GitHub: [web platform]. GitHub Inc., 2022. URL: https://github.com/matterport/Mask_RCNN.
- Neural Network Processing of Natural Russian Language for Building Intelligent Dialogue Systems / D. Parygin [et al.] // Communications in Computer and Information Science. Springer, 2020. Vol. 1349. P. 232–244.
