В Челябинской области создали искусственный интеллект для слежки за транспортом
Ученые Южно-Уральского государственного университета разработали интеллектуальную систему мониторинга транспортных потоков в режиме реального времени.
Как сообщает пресс-служба вуза, уникальная технология уже запатентована, теперь ее готовят к «пилотному» запуску. Программа, являющаяся частью проекта «Умный город», в онлайн-режиме собирает и отправляет информацию о ситуации на дорогах, одновременно анализируя до 400 параметров (погрешность данных составляет менее десяти процентов).
Благодаря использованию обученных нейросетей больших затрат на серверное оборудование и видеокамеры не требуется.
«Сбор и обработка больших данных в режиме реального времени позволяет интеллектуальной транспортной системе (ИТС) мгновенно оценивать текущее состояние, сигнализировать об инцидентах, прогнозировать развитие событий и принимать управленческие решения», - прокомментировал руководитель проекта «Умный транспорт», доцент кафедры «Автомобильный транспорт» политехнического института ЮУрГУ Владимир Шепелёв.
Запатентованную технологию планируют коммерциализировать. Система мониторинга была интересна еще во время разработки. Так, в 2019-м году ее апробировали на одном из перекрестков Тюмени. Департамент транспорта Санкт-Петербурга тоже заинтересовался интеллектуальной системой, с помощью которой можно прогнозировать заторы, собирать и обрабатывать данные по выбросам, выделяемым автотранспортом.
Интеллектуальная система мониторинга дорожного транспорта совершенствуется, а все научные разработки фиксируются в высокорейтинговых научных журналах. Последняя статья, связанная с запатентованной технологией, была опубликована в «Transport and Communication» (Q2). В ней ученые предложили новую систему для анализа ситуации на дорогах, чтобы решить проблему их загруженности.
Методы, лежащие в основе системы, обеспечивают точное обнаружение участников дорожного движения: фиксируются не только крупные, но и маленькие транспортные средства, а также пешеходы, то есть все факторы, влияющие на загруженность перекрестков. Разработанное решение превосходит по точности и скорости передачи информации уже существующие алгоритмы.
Команда ученых ЮУрГУ планирует продолжать исследования. Специалисты намерены использовать в работе данные с сенсорных камер дорожного движения, чтобы определять трафик с заторами на дорогах и без них. Подобные исследования улучшат дорожно-транспортную инфраструктуру городских сетей.
Разработанная учеными ЮУрГУ программа сможет получить дополнительную поддержку в рамках Года науки и технологий, объявленного президентом в России в наступившем году.
