Управление трафиком с системой адаптивного наблюдения
Эта технология обещает более разумные города и более зеленые решения, которые должны трансформировать не только управление движением, но также контроль над толпой и реагирование на стихийные бедствия.
Эффективное управление городским движением необходимо для развития Smart City.Повышение автономных транспортных средств и подключенных транспортных систем усилило необходимость в динамических решениях наблюдения для обеспечения плавного транспортного потока, снижения несчастных случаев и повышения эффективности.Тем не менее, традиционные настройки статической камеры часто терпят неудачу в адаптации к колебаниям трафика в реальном времени, что приводит к неэффективному мониторингу и распределению ресурсов.
Чтобы решить эту проблему, исследователи из Национального университета Инчхона, возглавляемая доцентом Хёнбумом Ким, разработали решение: систему наблюдения за дополненной жидкостью, предназначенную для адаптации в режиме реального времени к изменяющимся сценариям трафика.Это предлагает более разумный подход к управлению трафиком.
Система использует сеть камер однополосных камер, расположенных в динамической сетке.Эти камеры разумно корректируют свое охват наблюдения, активируя или деактивируя на основе условий движения в реальном времени.«Наша цель - создать системы адаптивного мониторинга трафика, способных обрабатывать различные и непредсказуемые сценарии», - объясняет доктор Ким.
Исследователи формализовали «проблему максимизации эффективности надзора с увеличенной жидкостью» (MaxAugmentFlusurv), стремясь оптимизировать размещение камеры и использование для максимальной эффективности.Они предложили два передовых алгоритма:
Алгоритм на уровне случайных значений: камеры организованы в сетке 3 × 3.В то время как некоторые камеры остаются активными для базового покрытия, другие включаются или выключаются в зависимости от уровня трафика, обеспечивая эффективность во время низкого трафика и повышенный мониторинг в пиковое время.
Алгоритм All-Random-Weth-Weight: этот гибкий подход назначает роли каждой камере на основе ее положения в сетке.Камеры в критических местах остаются активными, в то время как другие динамически корректируют свою активность, достигая баланса между комплексным охватом и экономией энергии.
Моделирование продемонстрировало эффективность системы в различных условиях движения, склонах и углах.Алгоритмы минимизировали использование энергии во время низкого трафика и поддерживали надежный охват в часы пик.
Доктор Ким отмечает: «Наша система оптимизирует наблюдение при сохранении энергии, способствуя умным и более зеленым городам».Помимо управления движением, эта адаптивная технология может принести пользу мониторингу толпы, реагированию на бедствия и промышленной безопасности.Будущие события будут интегрировать глубокое обучение и реальное тестирование, раздвигая границы интеллектуальных городских систем.
Copyright © 2010-2024 MFG Chips.