Методы детекции транспортных потоков с помощью компьютерного зрения для улучшения управления светофорами

1. Актуальность (研究的现状与必要性)

С развитием урбанизации и увеличением количества автомобилей, Современные города сталкиваются с серьезными проблемами в области дорожного движения:
随着城市化的发展和汽车数量的增加，现代城市在道路交通方面面临严重的问题：

Перегрузка дорог: Увеличение количества автомобилей приводит к заторам, особенно в час пик. По данным Всемирного банка, в крупных городах заторы могут увеличивать время в пути на 40% и более.
道路拥堵：汽车数量的增加导致交通堵塞，尤其是在高峰时段。据世界银行称，在大城市，交通拥堵可导致出行时间增加40％或更多。
Низкая эффективность традиционных систем управления светофорами: В большинстве случаев светофоры управляются по фиксированным интервалам времени, что не учитывает реальную плотность потока транспорта.
传统交通灯控制系统效率低：大多数情况下，交通灯都是按照固定的时间间隔进行控制，没有考虑实际的交通流密度。
Традиционные методы сбора статистики транспортных потоков на перекрестках имеют ограниченный диапазон сбора данных. 传统的针对十字路口的交通流量统计方法采集范围有限

Таким образом, нам необходимо разработать решение, которое позволит эффективно мониторить и анализировать транспортные потоки с помощью камер, повысить точность прогнозирования трафика и улучшить систему управления светофорами для повышения пропускной способности, уменьшения пробок и сокращения выбросов.
因此，我们需要构想出一套解决方案，通过摄像头对交通流进行有效监控和分析，提高交通流预测的准确性，以改进交通灯控制系统以提高通行效率，缓解道路拥堵，减少排放。

Источники:

“Traffic flow prediction using computer vision” (ResearchGate)
“Intelligent traffic signal control based on deep reinforcement learning” (IEEE)

2. Цель исследования (研究目的)

Цель — Разработка системы анализа транспортных потоков на основе технологий компьютерного зрения и машинного обучения для оптимизации управления светофорами , что позволит снизить заторы на дорогах, улучшить проходимость перекрестков и повысить эффективность использования городской транспортной инфраструктуры.
目标 - 开发基于计算机视觉和机器学习技术的交通流分析系统，优化交通信号灯控制，减少交通拥堵，提高路口通行能力，提高城市交通基础设施的利用效率。

3. Задачи исследования (研究任务)

Для достижения поставленной цели необходимо решить следующие задачи:
为了实现这一目标，需要解决以下任务：

Обзор существующих методов и технологий для анализа транспортных потоков
现有交通流分析方法与技术综述
Разработка системы обнаружения потока транспортных средств на основе компьютерного зрения
基于计算机视觉的车流量检测系统的开发
Разработка алгоритмов для динамической адаптации времени работы светофора в зависимости от потока транспортных средств.
开发根据车流量动态调整交通信号灯运行时间的算法。
Тестирование и оценка эффективности предложенной системы
测试并评估所提系统的有效性

4. План работ (工作计划)

Исследование существующих решений 研究现有解决方案
- Проведение обзора литературы по методам детекции транспортных потоков с использованием компьютерного зрения.
  对使用计算机视觉检测交通流的方法进行文献综述。
- Изучение технологий для динамического управления светофорами.
  交通信号灯动态控制技术研究。
Разработка модели для детекции транспортных потоков 开发交通流检测模型
- Сбор и подготовка видеоданных для обучения моделей.
  收集和准备用于训练模型的视频数据。
- Выбор и настройка модели глубокого обучения (например, YOLO, Mask R-CNN).
  选择和调整深度学习模型（例如 YOLO、Mask R-CNN）。
- Разработка алгоритма детекции транспортных средств и их классификации (например, типы автомобилей, плотность).
  开发用于检测车流辆及其分类（例如车辆类型、密度）的算法。
Разработка алгоритма динамической адаптации светофоров 开发交通信号灯动态适应算法
- Анализ существующих адаптивных алгоритмов светофоров 分析现有的信号灯自适应算法
- Улучшить алгоритм на основе данных о транспортных потоках
  在算法的基础上结合车流量数据进行改进
Тестирование и интеграция 测试和集成
- Выбор инструменты и платформы для имитационного тестирования. 选择仿真测试所使用的工具和平台
- Тестирование систем на выбранных инструментах
  在仿真平台（Sumo，CityFlow）上测试系统。
Месяц 8: Оценка результатов и подготовка отчета 评估结果并准备报告
- Оценка эффективности предложенной системы на основе различных критериев 根据各种标准（例如延迟、吞吐量）评估所提议系统的有效性。
- Подготовка окончательного отчета и презентации.
  准备最终报告和演示文稿。

5. Ожидаемые результаты

Разработка рабочей системы для мониторинга транспортных потоков и динамического регулирования светофоров.
开发交通流量监测和交通信号动态调节工作系统。
Снижение времени задержки и улучшение пропускной способности на перекрестках.
减少延误时间并提高交叉路口的吞吐量。

ITMO-PE