Оптимизация работы адаптивных светофоров на основе использования машинного зрения
Автор: Шепелев Владимир Дмитриевич, Альметова Злата Викторовна, Моор Александр Дмитриевич, Берстенева Валерия Игоревна
Рубрика: Логистика и управление транспортными системами
Статья в выпуске: 1 т.14, 2020 года.
Бесплатный доступ
В работе проведен анализ дорожного и пешеходного трафиков на регулируемом перекрестке с применением нейронных сетей в задачах интерпретации видеопотока, поступающего с камер уличного наблюдения. Предложен новый подход по оптимизации пропускной способности узлов на основе интеллектуальной технологии по взаимодействию дорожной инфраструктуры с транспортным и дорожным трафиком I2P. Установлены факторы, влияющие на снижение эффективности использования дорожной инфраструктуры. На основе динамического мониторинга дорожного и пешеходного трафиков разработаны алгоритмы работы светофорных объектов с учетом параметров пешеходного трафика. Решение основано на сборе и обработки динамических данных дорожного и пешеходного трафиков в режиме реального времени для системы обучения адаптивных светофоров. В основу «умного светофора» заложен принцип создания минимальных воздействий на пешеходный трафик и обеспечения максимальной пропускной способности транспорта при повороте направо. Исследования предлагаемого подхода проводились на одном из самых загруженных перекрестков г. Челябинска и могут быть использованы на других узлах улично-дорожной сети (УДС) городов.
Мониторинг, машинное зрение, пропускная способность перекрестка, умный светофор
Короткий адрес: https://sciup.org/147233828
IDR: 147233828 | DOI: 10.14529/em200119
Список литературы Оптимизация работы адаптивных светофоров на основе использования машинного зрения
- Ameddah M.A., Das B., Almhana J. Priority based algorithm for traffic intersections streaming using VANET // 14th International Wireless Communications and Mobile Computing Conference. - Li-massol, Cyprus, 2018.
- Adebiyi R.F., Abubilal K.A., Mu'azu M.B., Adebiyi B.H. Development and simulation of adaptive traffic light controller using artificial bee colony algorithm // International Journal of Intelligent Systems and Applications. - 2018. -V.10 (8). - P. 68-74.
- Younis O., Moayeri N. Employing cyber-physical systems: dynamic traffic light control at road intersections // IEEE Internet of Things Journal. - 2017. - V. 4 (6). - P. 2286-2296.
- Manandhar B., Joshi B. Adaptive traffic light control with statistical multiplexing technique and particle swarm optimization in smart cities // 3rd IEEE International Conference on Computing, Communication and Security. - Kathmandu, Nepal, 2018.
- Shinde S.M. Adaptive traffic light control system // 1st International Conference on Intelligent Systems and Information Management. - Maharashtra, India, 2017.
- Климович, А.Н. Алгоритм управления перекрестком на основе V2I взаимодействия / А.Н. Климович, В.Н. Шуть // Системный анализ и прикладная информатика. - 2018. - № 4. - С. 21-27.
- Зиновьев, И.В. Алгоритм адаптивного управления светофорами на основе алгоритма роя частиц / И.В. Зиновьев // Научный журнал. - 2016. - № 4(5). - С. 26-30.
- Guo P., Lei D., Ye L. An indefinite cycle traffic light timing strategy // International Journal of Advanced Computer Science and Applications. - 2018. -V. 9, No. 5.
- Mishra S., Birchha V. An improved smart traffic signal using computer vision and artificial intelligence // International Journal of Recent Technology and Engineering. - 2019. - V. 8 (4). - P. 4124-4131.
- Narnolia V., Jana U., Chattopadhyay S., Roy S. Generalized smart traffic regulation framework with dynamic adaptation and prediction logic using computer vision // Advances in Intelligent Systems and Computing. - 2020. - V. 937. - P. 249-263.
- Chowdhury M.F., Ryad Ahmed Biplob M., Uddin J. Real time traffic density measurement using computer vision and dynamic traffic control // Joint 7th International Conference on Informatics, Electronics and Vision and 2nd International Conference on Imaging, Vision and Pattern Recognition. - Kita-kyushu. Japan, 2018.
- Das A., Pai S., Shenoy V.S., Vinay T., Shylaja S.S. D2: Real-time dehazing in traffic video analytics by fast dynamic bilateral filtering //Advances in Intelligent Systems and Computing. - 2020. - V. 1024. -P. 127-137.
- Булавина, Л.В. Расчет пропускной способности магистралей и узлов /Л.В. Булавина. - Екатеринбург: УГТУ-УПИ, 2009. - 50 с.
- Боровской, А.Е. Реальный поток насыщения в зависимости от класса легкового автомобиля/ А.Е. Боровской, А.Г. Шевцова // Проблемы качества и эксплуатации автотранспортных средств: Сб. матер. VII международной науч.-техн. конф. - 2012. - Пенза: ПГУАС. - С. 244-250.
- Идеальный поток насыщения на регулируемом пересечении. - 2019. -https://www.science-direct.com/science/article/pii/S2352146517305173 (дата обращения 20.12.2019 г.).
- Kockelman K.M., Raheel A.S. Effect of vehicle type on the capacity of signalized intersections: the case of light-duty trucks // Journal of Transportation Engineering. - 2000. - V. 126 (6). - P. 506-512.
- Нейронные сети. - 2019. - https://journals. plos.org/plosone/article?id=10.1371/journal.pone. 021 5136 (дата обращения 15.12.2019 г.).
- Рекомендации по проектированию улиц и дорог городов и сельских поселений. - 2019. -https://files.stroyinf.ru/Data1/45/45490/ (дата обращения 23.12.2019 г.).
- Стоимость 1 км дороги в Челябинской обл., нанесения дорожной разметки, установки искусственной дорожной неровности, дорожных знаков, барьерных ограждений, реконструкции светофорного объекта - 2019. - https://dos-tup1.ru/economics/Mindortrans-poschital-skolko-stoit-1-kilometr-dorogi-v-Chelyabinskoy-oblasti_89819.html (дата обращения 12.11.2019 г.).
- Стоимость камер видеонаблюдения. -2019. - https://securityrussia.com/cctv/kamery/geo-vision-gv-bl3400 (дата обращения 22.11.2019 г.).
