Автор: 
Южноуральские учёные придумали, как с помощью искусственного интеллекта избежать транспортных пробок. В рамках проекта «Умный транспорт» они создали программу, регулирующую транспортные потоки мегаполиса. Нейронные сети, сопоставляя скорость авто на трассах, перенаправят машины в «свободный коридор». Точность предложенного учёными интеллектуального метода превысила 90%.
«Транспортные пробки — одна из главных проблем современных городов. Примером тому Челябинск. Из-за нарастания потока машин пропускной способности перекрёстков зачастую не хватает, увеличивается количество аварий, дорожных заторов. Интеллектуальные транспортные системы (ИТС) должны оперативно, в режиме реального времени, выявлять, прогнозировать и реагировать на изменения дорожного движения», — говорит доцент кафедры «Автомобильный транспорт» автотранспортного факультета ЮУрГУ Владимир Шепелев.
По словам учёного, этому призвана служить уличная сенсорная сеть с камерами отслеживания дорожных ситуаций. Но нередко у них низкое разрешение, а угол обзора порой закрывают столбы и дорожные знаки. Отсюда снижение точности определения скорости авто, отчего у водителей, получающих штрафы за превышение, возникает масса претензий.
Программисты предложили свой способ решения проблемы. Они разработали уникальную программу, которая в режиме онлайн собирает и посылает в ГИБДД данные о ситуации на дорогах. Искусственный интеллект анализирует до 400 параметров, а погрешность составляет меньше 10 %. На это ноу-хау уже получен патент. Учёные создали и протестировали методику измерения скорости транспорта, превосходящую даже зарубежные существующие аналоги.
«Нами разработаны алгоритмы обработки больших данных для создания единой системы принятия решения для всей транспортной системы города на основе искусственного интеллекта. Эта система, основанная на интеграции современных информационных и коммуникационно-телематических технологий, способна в автоматическом режиме вести поиск эффективных сценариев управления дорожным трафиком. «Умная» транспортная система мгновенно оценивает текущее состояние, сигнализирует об инцидентах, прогнозирует развитие событий, чтобы принимать нужные управленческие решения», — делится Владимир Шепелев.
В процессе самообучения нейронная сеть исследовала и запомнила 6000 «картинок» дорожных ситуаций. С помощью разработанного учёными метода оптического потока она определяет скорость движения авто, а цифровые координаты исходного автомобиля преобразовываются в географические.
По словам разработчиков, метод протестировали в разное время суток на шести перекрёстках Челябинска. Точность подсчёта оказалась не менее 92 %, а погрешность определения скорости автомобиля не превышала 1,5 км.
В итоге получена «интеллектуальная» технология, которая позволяет грамотно управлять дорожным трафиком в режиме реального времени даже без обновления устаревших видеокамер, что даёт немалую экономию. Учёные продолжают свои исследования, чтобы снять и другие проблемы транспортного контроля: перекрытие обзора камер объектами дорожной инфраструктуры, распознавание разных видов транспорта, определение системой угрозы ДТП.
