Интеллектуальным транспортным системам (ИТС) для бесперебойной работы требуются данные о трафике. На перекрестках, где существует наибольшая вероятность конфликтов между участниками дорожного движения, критически важно иметь возможность надежно и разумно контролировать различные режимы движения.
По оценкам Федерального управления шоссейных дорог (FHWA), более 50 процентов от общего количества ДТП со смертельным исходом и травмами происходят на перекрестках или вблизи них. Для пешеходов перекресток является особенно опасным местом: город Портленд, штат Орегон, определил, что две трети всех аварий с участием пешехода происходят на перекрестках. А когда осенью и зимой темнеет раньше, количество аварий резко увеличивается. Поэтому знание того, что происходит в условиях плохой видимости, необходимо для мобильности и безопасности всех участников дорожного движения.
Некоторые агентства используют камеры для наблюдения за режимами движения, но камеры ограничены в дождливую, темную или туманную погоду. В некоторых городах вместо камер используется радар , который лучше работает в условиях плохой видимости, но, как правило, не может обеспечить столь же богатую картину происходящего.
В последнем отчете «Разработка интеллектуального мультимодального мониторинга трафика с использованием радарного датчика на перекрестках», финансируемого Национальным институтом транспорта и сообществ (NITC), исследователи Сиянг Цао, Яо-джан Ву, Фэн Цзинь и Сяофэн Ли из Университета Аризоны описали решение проблемы, которое заключается в разработке радарного датчика с высоким разрешением, который может надежно различать автомобили и пешеходов. Этот датчик также показывает количество, скорость и направление каждой движущейся цели, независимо от освещения и погоды. В будущем они планируют усовершенствовать свою модель, чтобы интерпретировать более сложные данные и иметь возможность идентифицировать дополнительные режимы.
Зачем использовать радар mmWave?
В прототипе устройства использовался радарный датчик с высоким разрешением миллиметрового диапазона, который превосходит камеры в условиях плохой видимости и превосходит обычные радары, обеспечивая более насыщенное изображение.
«Радар mmWave также отличается от других датчиков тем, что он может обеспечивать относительно стабильную радиальную скорость, что очень помогает нам определять скорость транспортных средств», — сказал Цао.
Это дает системе преимущество перед датчиками света, такими как LiDAR. Системы LiDAR способны «видеть» мельчайшие детали, что упрощает определение объекта; но у них проблемы с движением и скоростью. Радар MmWave может определять скорость движущейся цели намного надежнее, чем LiDAR.
Радарный датчик mmWave также работает в более низком частотном диапазоне, чем LiDAR, что делает его более стабильным в различных погодных условиях (дождь, снег, туман, дым и т. д.). При мультимодальном мониторинге движения датчики необходимо использовать на открытом воздухе, поэтому радар миллиметрового диапазона является оптимальным выбором.
Тестирование датчика на перекрестке
Исследовательская группа разработала многомерную модель смеси Гаусса (GMM) для интерпретации информации от радарного датчика миллиметрового диапазона. Во-первых, датчик получает богатое представление облака точек радара. Затем модель сегментирует облака точек на три типа объектов: пешеход, седан и «беспорядок». Беспорядок относится только к неподвижным поверхностям, таким как здания, деревья или другие объекты. Как только это будет сделано, поток данных передается по беспроводной сети на портативный компьютер и отображается в виде визуального изображения. В лаборатории Цао и его ученики откалибровали устройство так, чтобы его выходные данные соответствовали тому, что видит камера.
Прототип, созданный исследовательской группой UA, отличается низкой стоимостью, малым весом и компактными размерами, которые легко установить. Исследователи установили свой датчик на перекрестке в Тусоне и установили ноутбук на соседней парковке, чтобы проверить его. Разработанная ими модель GM дала многообещающие результаты как при обнаружении, так и при правильной идентификации объектов.
Расширяющиеся технологии для мультимодальных перевозок
«Мы понимаем, что сенсорная технология движется к этапу, на котором появится множество новых приложений. С одной стороны, стоимость сенсоров падает, а их производительность значительно улучшается. Между тем, окружающие технологии, например технология аккумуляторов, средства связи и т. д. и вычисления на основе искусственного интеллекта — также улучшаются. Для мультимодального мониторинга трафика датчик может собирать информацию, которая может быть передана водителям через коммуникационную сеть нового поколения для повышения мобильности и безопасности на перекрестках », — сказал Цао.
В будущем исследователи надеются усовершенствовать модель, чтобы иметь возможность определять дополнительные режимы — мотоциклы, велосипеды, грузовики и автобусы. После доработки этот датчик может сыграть ключевую роль в создании надежной и точной транспортной сети в масштабах города. Репозиторий проекта GitHub предлагает дополнительную информацию, включая данные, видео и изображения из тестового развертывания.
Кроме того, результаты этого проекта (GMM и прототип) предлагают полезные идеи для людей, разрабатывающих другие передовые технологии для создания умных городов. Являясь лидером в разработке и внедрении инновационных практик и технологий, это исследование может помочь повысить безопасность и производительность транспортной системы.
Дополнительная информация: отчет.
Изображение: Государственный университет Портленда.
Будьте в курсе в удобном формате, присоединяйтесь: TG-канал и ВК