Аномалии движения на дорогах научили выявлять ИИ ученые ЮУрГУ

Программа вошла в систему интеллектуального мониторинга транспортных потоков

Ученые Южно-Уральского государственного университета (ЮУрГУ) запатентовали компьютерную программу «Нейросетевая модель поиска аномалий движения транспортных средств на основе тепловых карт». С ее помощью можно сформировать визуальную картину затруднений транспортного потока, сообщает пресс-служба вуза.

Нейросетевые технологии позволяют в режиме реального времени считывать потоковое видео и анализировать картинку, полученную с камер видеонаблюдения. Например, программа способна распознать категории транспортных средств – от легкового автомобиля до электробуса и автопоезда, отследить скорость их движения и изменение траектории движения с точностью до 30 сантиметров.

«Сокращение ширины полосы движения даже на 25 сантиметров в условиях городской инфраструктуры может стать критическим. Мы обучили искусственный интеллект выявлять отклонение траектории движения транспортных потоков и определять координаты дорожной аномалии. Визуализация состояния перекрестка обновляется раз в две секунды. Наблюдаемая зона разбивается на клетки, и чем больше транспортных средств попадает в каждую клетку, тем она краснее. Свободное движение обозначается фиолетовым цветом», – пояснила доцент кафедры системного программирования ЮУрГУ Ольга Иванова.

Пока нейросеть может оперативно обнаружить аномалии в движении и подать об этом сигнал. Со временем ИИ сможет их классифицировать по причине и категории сложности. Помехами на дороге обычно становятся ДТП, неубранные сугробы на крайней полосе, открытый колодец, упавшее дерево, ремонтные работы и так далее.

 Ученые разрабатывают прогностический алгоритм, позволяющий просчитывать, когда произойдет дорожный затор и как он будет формироваться на перекрестке и примыкающих улицах. Искусственный интеллект сообщит, выльется аномалия движения в сложный сетевой затор или дорожная инфраструктура обеспечит свободное движение с учетом текущей и прогнозной интенсивности, какова ситуация будет через 10 минут и что случится через 20.

Конечная цель – создать модель управленческого уровня для принятия решения о том, что делать с этими аномалиями. Например, если произошло дорожно-транспортное происшествие, значит нужно посылать информацию с прогнозом затора в ГИБДД, а если помеха не связана с автомобилем – в эксплуатационную компанию. Система принятия решений будет автоматизированная.

Внедрение разработки челябинских ученых позволит увеличить среднюю скорость движения транспортных средств в городе и снизить экологическую нагрузку на воздушный бассейн улично-дорожной сети города. Все это положительно скажется на качестве жизни населения городов, работе ГИБДД, коммунальных и дорожных служб.

Разработанная программа стала очередным модулем большого программного комплекса AIMS EСO ROAD, созданного учеными ЮУрГУ. Эта система интеллектуального мониторинга транспортных потоков действует в Красноярске, Магнитогорске, Санкт-Петербурге, Перми, Челябинске.