Якимов Михаил Ростиславович (yakimovmihail) wrote,
Якимов Михаил Ростиславович
yakimovmihail

Видео-лекция для конференции Smart City 2017 (10.10.2017)

Сегодняшняя лекция посвящена разработке методов повышения эффективности функционирования транспортной инфраструктуры, в первую очередь, организации дорожного движения на основе информации от беспилотных летательных аппаратов. Тема, конечно, интересная и современная. Итак, рассмотрим некоторые видеокадры.



            Для того, чтобы посмотреть на перекрёсток, достаточно поднять в воздух летательный аппарат (дрон) и посмотреть, как функционирует перекрёсток. С этого ракурса довольно хорошо видно и загруженность перекрёстка, и плотность отдельных его участков, а также скорость движения транспортных потоков, задержки, места конфликтов транспортных потоков друг с другом и с пешеходами. Подняв летательный аппарат чуть выше, например, как здесь на 250 метров (это город Пермь, улица Ленина - улица Петропавловская от улицы Попова до улицы Борчанинова), можно сразу рассмотреть работу нескольких перекрёстков. В данном случае, четырёх перекрёстков в связке друг с другом. Для чего это нужно. Если, например, анализировать работу одного перекрёстка, то это может делать вообще-то один человек. Он может встать рядом с перекрёстком и посчитать количество манёвров, движение транспорта через один перекрёсток, сколько едет прямо, сколько налево, направо. И так с каждого направления. И построить такую матрицу корреспонденции (размерами 4х4). А вот когда речь идёт о группе перекрёстков, как на этих кадрах, то это невозможно сделать одним человеком. Например, построить матрицу корреспонденции с каждого перекрёстка в каждый. И это невозможно сделать, используя четырёх человек. Это можно сделать только с помощью какой-то идентификации автомобилей. И дальше проследить их путь от одного выезда в другой выезд. Сейчас, действительно, некоторые компании предлагают оцифровку таких видео рядов для того, чтобы подсчитать количество автомобилей, например, интенсивности движения. Но программное обеспечение до сих пор не существует, к сожалению, которое позволяло бы это сделать самостоятельно.
            Сейчас мы покажем программную разработку, которую создали в городе Перми по заказу Российской академии транспорта. Мы находим в файлах видеофрагменты. Это ещё один перекрёсток, кажется, город Пенза или Воронеж. Потом мы его размечаем таким образом, определяем границы перекрёстков, то есть те линии, которые будут фиксировать проезды транспорта при въезде на наш перекрёсток. Это мы делаем в программе на одном стоп-кадре, начальном стоп-кадре этого файла. Эти въезды на перекрёсток мы обозначим 1, 2, 3, 4, а потом изначально маленькими квадратиками и прямоугольниками выделим транспортные средства, которые стоят в ожидании проезда через данный перекрёсток.
            Это программа использует компьютерное обучение, нейронные сети, и, в конце концов, она в дальнейшем может самостоятельно распознавать такие объекты, как транспортные средства. Ну, а человек может одновременно не только выделять транспортные средства, но и определять по кадру тип транспортного средства – легковые автомобили, автобусы или грузовые автомобили и мотоциклы. И выделяет их отдельно, нажимая, соответственно, при выделении ту или иную клавишу. Дальше запускается ролик в движении, и мы видим, что отмеченные автомобили можно проследить. С какого направления перекрёстка в какой они движутся. Мы сейчас видим, что все помеченные автомобили пришли в движение, и, тем самым, они формируют вот такую матрицу корреспонденции.
            Как дальше её использовать? Очень много можно аналитических материалов построить на анализе вот такой информации. Это, во-первых, скорости проезда. Здесь не нужно моделирование, здесь просто можно отследить каждый автомобиль как материальную точку. Зафиксировать ее скорость, ускорение, ну и дальше получить такой лог-файл (текстовой), где будут указаны все характеристики движения транспортных средств через данный перекрёсток. В том числе скорость, задержки, ускорение, ну и, конечно, агрегированные показатели такие, как матрицы корреспонденции движения через перекрёсток. Вот они примерно так будут выглядеть, если мы обозначим цифрами въезды 1, 2, 3, 4, то у нас получится матрица 4х4, как представлено на рисунке. Если же у нас въездов больше, на такой группе перекрёстков у нас восемь въездов, то получится матрица 8х8 и 64 значения, которые таким же образом можно получить. И никаким другим.
            Теперь для чего это применяется. Для того, чтобы организовать эффективное дорожное движение. Вот несколько примеров. Один из примеров - это перекрёсток в городе Перми: улица Хлебозаводская - улица Героев Хасана. Сначала строится модель существующего движения. Это два Т-образных перекрёстка. Потом предлагается организовать круговое движение, анализируются видеофайлы, определяются объёмы движения по всем направлениям, строится имитационная модель движения транспортных средств и сравнивается с существующей ситуацией. Здесь вы видите уже реальный перекрёсток, который уже построен по результатам этих исследований в городе Перми и отлично функционирует в настоящее время. И главное, что, используя такие данные, мы можем с уверенностью сказать, что все характеристики работы перекрёстка будут идентичны тем, которые приведены в модели. Вы можете это видеть на экране. То, что все интенсивности, все задержки, все конфликтные точки все в точности повторяют.
Второй перекрёсток это тоже город Пермь. Перекрёсток улицы Тургенева и улицы Макаренко. Здесь тоже был Т-образный перекрёсток. Строится модель движения существующая, определяются параметры движения, задержки, скорости, и дальше предлагается изменить организацию движения на этом пересечении с организацией кругового движения. Вот вы видите ещё одну промежуточную съёмку, где уже видите строительство круговой развязки. Вот так она выглядит на проекте. Прежде, чем предложить её, нужно было построить модель и определить, что такой вариант организации движения лучше, чем тот, который был в городе Перми раньше. Опять же происходит анализ видеоизображений, подсчитываются варианты движения на перекрёстке. Ну и вот, вы видите уже существующую развязку с круговым движением (перекрёсток), который уже построен в городе Перми и функционирует в настоящее время.
            Но надо сказать, что все построения, все подсчёты автомобилей определили хорошую адекватность модели, почти стопроцентное соответствие модели и реальности, которую мы можем все с вами увидеть, приехав в город Пермь.
Subscribe
Buy for 20 tokens
Buy promo for minimal price.
  • Post a new comment

    Error

    default userpic

    Your IP address will be recorded 

    When you submit the form an invisible reCAPTCHA check will be performed.
    You must follow the Privacy Policy and Google Terms of use.
  • 2 comments