Вас приветствует Наукова спильнота!

Приветствуйем на нашем сайте

АКТУАЛЬНІСТЬ ТА ОГЛЯД СУЧАСНИХ МЕТОДІВ РОЗПІЗНАВАННЯ ДОРОЖНІХ СИТУАЦІЙ В ЗАДАЧАХ АВТОМАТИЗОВАНОГО УПРАВЛІННЯ АВТОТРАНСПОРТНИМИ ПОТОКАМИ

03.09.2021 19:54

[1. Информационные системы и технологии]

Автор: Зеленський А.А., аспірант, кафедра автоматизації, комп’ютерних наук і технологій, ДВНЗ Криворізький національний університет, м. Кривий Ріг


Наукова та практична значущість розв’язання проблеми управління транспортними потоками полягає у створенні й удосконаленні засобів технологічного, інформаційного та математичного забезпечення, які гарантують високу якість процесів управління і, як наслідок, підвищення пропускної здатності транспортних потоків.

Дорожньо-транспортні системи більшості великих населених пунктів країни не відповідають зростанню інтенсивності дорожнього руху. Ефективне вирішення цієї проблеми може бути здійснено за допомогою автоматизованої системи адаптивного управління транспортними потоками сучасних міст з використанням метаевристичних методів.

Велика роль у вирішенні проблеми перенавантаження дорожньо-транспортних вузлів відводиться організації управління рухом транспорту. Одним із найважливіших завдань управління рухом наземного транспорту населеного пункту є створення автоматизованої системи управління (АСУ), призначеної для адаптивного керування транспортними потоками з використанням інтелектуальних методів.

Використання АСУ надає можливість розширити зону дії управління на весь населений пункт. Підвищення ефективності управління дорожніми вузлами пов'язане зі створенням автоматизованих систем керування транспортними потоками, які є невід'ємними компонентами інтелектуальних транспортних систем.

Проблема ефективного управління транспортними потоками у сучасному місті актуальна та була освітлена у великій кількості наукових досліджень та публікацій. Так, кандидат технічних наук Степанчук О. В. у статті «Ефективні методи розподілення транспортних потоків на вулично-дорожній мережі в сучасних умовах» визначив необхідність створення системи управління і розподілення транспортних потоків на вулично-дорожній мережі міст. Запропонував метод розподілу, що базується на миттєвому реагуванні на поточну дорожню ситуацію і надання рекомендацій щодо прийняття оптимального маршруту руху.

Наразі ця проблема стоїть дуже гостро для найбільших за чисельністю міст України. На даний момент Кривий Ріг – це зростаюче місто, з великою кількістю дорожніх сполучень. І оглядаючись на досвід обласних міст-мегаполісів, можна зробити висновок, що ця проблема отримає розвиток і стане більш актуальною у найближчому майбутньому.

Вже зараз існують окремі проблемні ділянки дорожньо-транспортних систем. Тому, потрібно починати розв’язувати це питання вже зараз, щоб уникнути критичної ситуації.

Отже, існує проблема автоматизованого управління транспортними потоками для вирішення якої на даний момент не існує достатньо-розроблених інформаційних та програмних засобів. Одним із таких невід’ємних компонентів автоматизованої системи управління транспортним потоком є розпізнавання транспортних засобів у режимі реального часу. Методи та моделі розпізнавання образів достатньо широко освітлені у багатьох науково-дослідних роботах. Крилов В. М. дослідив ідентифікацію форми геометричних об’єктів та енергетичних спектрів текстур в умовах імпульсних, адитивних та мультиплікативних завад у дисертації «Структурно-статистична ідентифікація геометричних об’єктів та текстур в автоматизованих системах управління та перетворення інформації». Супрун Т. С. у дисертації «Інтегральні моделі компараторної ідентифікації та їх застосування для розпізнавання зорової інформації» розробила інтегральні моделі і методи аналізу сенсорних систем в умовах обмежень на множину вхідних сигналів на базі методу компараторної ідентифікації та застосувала їх для розширення можливостей розпізнавання зорової інформації. У дисертаційній роботі «Проекційні методи нормалізації та розпізнавання зображень в умовах геометричних викривлень» Гороховатський О. В. застосував аналітичні методи теорії розпізнавання образів та обробки зображень, теорію інтегральних перетворень, елементи теорії груп, а також імітаційне моделювання.

Таким чином є наявні протиріччя між значною необхідністю моделей та методів розпізнавання образів у проблемі автоматизованого управління транспортними потоками, та не достатньою їх дослідженністю.

Станом на сьогоднішній день розроблено низка підходів та методів до розпізнавання образів. Автори наукової статті Deep learning-based image recognition for autonomous driving [1] детально розкривають проблему розпізнавання образів, на прикладах демонструють яким чином глибоке навчання застосовується у галузі розпізнавання зображень, а також пояснюють останні тенденції автономного водіння на основі глибокого навчання. Автори детально і з прикладами описують процес розпізнавання образів та його складові етапи. Зокрема, автори приділяють увагу використанні згорткових нейронних мереж для вирішення задач розпізнавання образів. Автори зробили порівняльний аналіз використання згорткових нейронних мереж і методів звичайного машинного навчання та виділили їх переваги. Також, було розглянуто використання згорткових нейронних мереж у завданнях розпізнавання об’єктів, семантичної сегментації, автоматизованого керування транспортними засобами. Окрім цього, у статті наведено короткий екскурс з історії засобів та методів розпізнавання образів.

У статті Automated driving recognition technologies for adverse weather conditions [2] підсумовуються дослідження, зосереджені на технологіях автоматизованого водіння, та обговорює проблеми, пов’язані з виявленням несприятливої погоди та інших ситуацій, які ускладнюють керування автомобілем, ускладнюючи тим самим виведення на ринок автоматизованих транспортних засобів. Спосіб використання методів розпізнавання образів пропонується для активного управління транспортними засобами, тобто виявлення перешкод, та маневрування. У статті не підіймається питання можливого використання методів розпізнавання образів для виявлення дорожніх ситуацій для подальшого автоматизованого управління транспортними потоками. Автори статті узагальнили проблеми та дослідження автоматизованого руху за несприятливих погодних умов та кожної відповідної технології розпізнавання міських доріг, намагаючись розробити практичну систему експлуатації для уточнення граничних точок системи за погодних умов сонячних відблисків, дощу, туману , та сніг. Були розглянуті переваги та недоліки кожного датчика та методу розпізнавання. Автори наголошують, що існує можливість розробити надійну систему розпізнавання шляхом злиття датчиків та використання інфраструктурних датчиків.

Автори статті Automatic recognition of driving scenarios for ADAS design [3] представили метод характеристики та автоматичного розпізнавання найбільш поширених сценаріїв водіння в дорожніх експериментах. Метою запропонованого підходу є створення відповідного симулятора для розробки та тестування вдосконалених систем допомоги водієві (ADAS).

Для цієї мети були записані дані з великої кількості типових ситуацій та класифіковані події за простими (атомними) подіями та більш складними сценаріями руху. Для моделювання поведінки транспортного засобу автори статті пропонують використовувати безконтекстні граматичні системи та компактний формалізм для опису причинно-наслідкових зв’язків та часових послідовностей. Отже, на відміну від більшості існуючих алгоритмів, вся процедура використовує переваги внутрішньої природи проблеми, поза мережі. Безконтекстні граматичні системи показані ефективним та придатним інструментом для моделювання сценаріїв водіння, тоді як експериментальні результати використовуються для підтвердження запропонованого підходу та показують межі та потенціал реального застосування.

Полєжаєв Д. В. і Кравченко В. П. у статті Основні підходи до розробки автоматизованої системи керування транспортними потоками міста Маріуполя [4] розглядають основні підходи до розробки і моделювання автоматизованої системи керування транспортними потоками міста Маріуполя. Вони показали, що найбільш раціонально підвищувати ефективність дорожнього руху на магістралях міста шляхом поступового впровадження автоматизованої системи керування. Спочатку необхідно розробити і впровадити локальні засоби для жорсткого регулювання руху. Потім локальні засоби для гнучкого керування рухом в залежності від параметрів транспортних потоків, які з рештою об’єднуються у систему жорсткого координованого управління транспортними потоками на окремих магістралях або на невеликих ділянках дорожніх мереж. Після цього розробляється і впроваджується АСК транспортними потоками міста з оптимізацією пропускної здатності основних магістралей міста.

Отже, проблема динамічного розпізнавання образів є актуальною для сьогодення, особливо для великих сучасних мегаполісів та індустріальних міст. Такі населені пункти мають певні особливості – систематичне, нерівномірне зростання дорожнього трафіку та несприятливі погодні умови великого індустріального міста. Остання характеристика складає значний вплив на якість отримуваного зображення з камер зовнішнього спостереження. Тому, моделі та методи, які забезпечать ефективне розпізнавання транспортних засобів з  урахуванням можливих перешкод є актуальним.

Література:

1. Hironobu Fujiyoshi, Tsubasa Hirakawa, Takayoshi Yamashita Deep learning-based image recognition for autonomous driving. IATSS Research. 2019. Т. 43, № 4. С. 244-252. DOI: https://doi.org/10.1016/j.iatssr.2019.11.008.

2. Keisuke Yoneda, Naoki Suganuma, Ryo Yanase, Mohammad Aldibaja Automated driving recognition technologies for adverse weather conditions. IATSS Research. 2019. Т. 43, № 4. С. 253-262. DOI: https://doi.org/10.1016/j.iatssr.2019.11.005.

3. Alberto Lucchetti, Carlo Ongini, Simone Formentin, Sergio M. Savaresi, Luigi Del Re Automatic recognition of driving scenarios for ADAS design. IFAC-PapersOnLine. 2016. Т. 49, № 11. С. 109-114. DOI: https://doi.org/10.1016/j.ifacol.2016.08.017.

4. Полєжаєв Д. В., Кравченко В. П. Основні підходи до розробки автоматизованої системи керування транспортними потоками міста Маріуполя. Наука та виробництво : зб. наукових праць. Транспортні технології. Маріуполь, 2019. Вип. 21. – С. 209–214. – URL: http://ebooks.znu.edu.ua/files/Fakhovivydannya/vznu/juridichni. (дата звернення: 13.01.2021).



допомога Знайшли помилку? Виділіть помилковий текст мишкою і натисніть Ctrl + Enter
Конференции

Конференции 2021