Создание транспортного спроса с помощью нейронных сетей и распознавания видео

Для создания и калибровки транспортного спроса в мультиагентных моделях используется сбор данных об интенсивности дорожного движения в большом количестве сечениях улично-дорожной сети. Обычно это требует достаточно большое количество времени и ресурсов, так как замеры производятся вручную, а для такого города как Санкт-Петербург, необходимо сделать замеры в течение каждого часа суток в 300–500 точках.

Для того, чтобы не тратить столько ресурсов на сбор данных, мы автоматизировали процесс. Для этого мы используем камеры наружного наблюдения или видео, снятые квадрокоптером. Транспортные средства распознаются с помощью нейронных сетей.

Для обучения такой нейронной сети было отснято и размечено несколько тысяч фотографий.

Транспортные средства уверенно распознаются с различных высот от 80 до 130 метров, чего достаточно, чтобы произвести захват всех дорог, подходящих к перекрестку. Траектории движения различных классов транспортных средств запоминаются, в связи с этим можно создать посекундный маршрут перемещения каждого из них.

Распознавание проводится по следующим классам: легковой автомобиль, автобус, грузовой автомобиль, небольшой автобус и седельный тягач.

Для распознавания объектов на видео используется ИНС YOLO. Выбор сделан не случайно: при помощи этой сети можно получить наибольшую скорость распознавания кадров в секунду, близкую к скорости проигрывания обычного видео.

В результате мы получили инструмент для автоматизированного сбора данных об интенсивности движения для создания транспортного спроса и калибровки мультиагентных моделей.


Автор исследования: Егор Невежин