Hay "Contando cuervos", contando ovejas, contando bendiciones y ahora los investigadores de la Florida Atlantic University tienen su propia versión de "contar autos", literalmente, en un intento por mejorar el flujo de tráfico en las carreteras superpobladas del sur de Florida y de nuestra nación.Y con más de 263 millones de vehículos de pasajeros registrados en los Estados Unidos y más de 14 millones de vehículos registrados solo en Florida, esto no es poca cosa.
Asegurar que el tráfico se mueva suavemente y sin mucha intervención manual requiere técnicas de conteo automáticas de automóviles, que a menudo son tediosas y engorrosas de realizar. Tampoco son infalibles. Las técnicas de conteo de automóviles incluyen detectores de radar, infrarrojos o de bucle inductivo, así comouso de cámaras de tráfico. Un sistema basado en visión por computadora también puede ser una alternativa adecuada para el conteo de automóviles, sin embargo, este método se limita a las condiciones climáticas y la luz natural.
En un nuevo estudio, los investigadores de la Facultad de Ingeniería y Ciencias de la Computación de la FAU COECS se propusieron encontrar una mejor manera de monitorear y estimar el flujo del tráfico utilizando sistemas inteligentes de vigilancia del tráfico. Querían desarrollar un sistema automatizado de conteo de automóviles usando infraestructuracámaras ya instaladas que podrían funcionar bien tanto de día como de noche, y en condiciones de clima soleado y nublado.
Resultados de su estudio, publicado en la revista sensores muestre que llueva o haga sol, de noche o de día, el sistema que desarrollaron superó significativamente los métodos automáticos de conteo de automóviles actualmente utilizados. Su sistema tenía una tasa de precisión promedio de más del 96 por ciento, muy por encima de las tasas de precisión del sistema anterior.
El nuevo programa, que los investigadores han denominado "OverFeat Framework", está mostrando un gran potencial en el campo de la supervisión del tráfico y podría proporcionar una solución ideal para "contar automóviles". OverFeat Framework es una combinación efectiva de redes neuronales de convolución CNN y técnicas de clasificación y reconocimiento de imágenes.
El equipo de investigación, dirigido por Hongbo Su, Ph.D., autor correspondiente del estudio y profesor asistente en el Departamento de Ingeniería Civil, Ambiental y Geomática del COECS, desarrolló e implementó dos algoritmos para este nuevo programa: AntecedentesMétodo de sustracción BSM y OverFeat Framework utilizando el lenguaje Python para el conteo automático de automóviles. Su y primer autor del estudio, Debojit Biswas, estudiante de doctorado en la Universidad, evaluó la precisión de este nuevo sistema comparándolo con el manualcontando.
"Comprender la carga de tráfico física es fundamental para gestionar el tráfico, así como para renovar carreteras o construir nuevas carreteras", dijo Su. "Es necesario contar los automóviles para comprender la densidad de los vehículos en nuestras carreteras, lo que finalmente ayuda a los ingenieros ytomadores de decisiones en sus procesos de planificación y presupuestación "
Al desarrollar y probar este nuevo sistema, los investigadores también tomaron en consideración otros factores que podrían afectar las cámaras de video, como las vibraciones en los puentes y otras condiciones similares. Estudiaron autobuses 1.300 imágenes, automóviles 1.300 imágenes, taxis 1.300 imágenes, camiones 1.568 imágenes y vehículos de rescate contra incendios 1.300 imágenes utilizando seis videos de tráfico ubicados en algunas de las carreteras más transitadas del sur de Florida. Recopilaron imágenes de estas cámaras en diferentes momentos durante el día.
Se estima que hay más de 1 millón de cámaras de video ubicadas a lo largo de las carreteras principales, como autopistas, autopistas, autopistas, autopistas y vías arteriales en todo Estados Unidos. En Florida, hay miles de cámaras ubicadas en carreteras concurridas para ayudar a los conductorescon sus viajes diarios
"La mejor parte de este nuevo sistema es que no necesita ninguna infraestructura adicional porque las cámaras ya están ubicadas en ubicaciones estratégicas en nuestras carreteras y autopistas", dijo Aleksandar Stevanovic, Ph.D., coautor delestudio, profesor asociado del Departamento de Ingeniería Civil, Ambiental y Geomática de la FAU, y director del Laboratorio de Operaciones y Gestión Adaptativa del Tráfico de la Universidad. "Estamos utilizando videos de estas cámaras para contar con precisión los autos para darnos un mejor conocimiento sobre la congestión en nuestras carreterasLuego, compartiremos esta información con especialistas en gestión de tráfico para que puedan descubrir la mejor manera de abordar los problemas para optimizar la conducción, proporcionar nuevas rutas y, en última instancia, mejorar el flujo de tráfico ".
Su y Stevanovic planean trabajar con agencias gubernamentales locales, estatales y federales, así como con empresas comerciales para maximizar los beneficios del sistema que desarrollaron y, en última instancia, proporcionar una nueva forma de "contar automóviles"
Fuente de la historia :
Materiales proporcionado por Florida Atlantic University . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cite esta página :