In Noticias

El Instituto de Transporte de la Universidad de Florida ha finalizado el proyecto STRIDE H2 . La vigilancia del tráfico es la pieza central de la mitigación de la congestión y la gestión del tráfico. Aunque las tecnologías de vigilancia han madurado lo suficiente como para ofrecer una descripción informativa del tráfico, los sistemas actuales de última generación no pueden soportar los problemas de congestión. La mitigación proactiva de la congestión requiere a) la vigilancia en tiempo real de los parámetros del tráfico, b) la predicción del inicio inminente de la congestión c) informar a los responsables para que tomen medidas inmediatas para evitar la congestión.

La propuesta del proyecto para la mitigación de la congestión se basa en la premisa de que un análisis a corto plazo (1-5 minutos) será suficiente para gestionar la congestión. Se prevé que el uso de una “bandada” de drones interconectados y autogestionados, puede establecer un sistema desplegable para realizar una monitorización/evaluación inmediata de las condiciones del tráfico para inferir si se aproxima la congestión. Para detectar vehículos, una técnica más rápida de redes neuronales convolucionales (CNN) llamada YOLOv3. En esta técnica, se utiliza una única red neuronal para toda la que divide la imagen en regiones y predice los cuadros delimitadores y las probabilidades de cada región. A continuación, estos recuadros se ponderan en función de las probabilidades predichas.

Esta técnica requiere una enorme capacidad de cálculo, por lo que se utilizan GPUs para procesar los vídeos grabados por las cámaras de los drones. Calibrando la cámara mediante valores reales comparados con sus valores aparentes en las imágenes, los vehículos detectados pueden ser rastreados. Las características que se buscan (en este caso, características correlacionadas con la congestión del tráfico) fueron reproducidas utilizando un modelo de simulación de tráfico. La metodología propuesta se probó recogiendo e investigando imágenes de vídeo imágenes de vídeo de drones. El proyecto, si se continúa, tiene el potencial de avanzar en el estado del tráfico proactivo y la gestión de la congestión de tráfico proactivo y la gestión de la congestión mediante la incorporación de un sistema de predicción del estado del tráfico distribuido y basado en la simulación de vigilancia con drones para permitir que las acciones de mitigación de la congestión se lleven a cabo antes de que se produzca la congestión y no después de que el flujo de tráfico se haya interrumpido.

Más información: https://stride.ce.ufl.edu/project-h2/

Recent Posts

Dejar un comentario

Contact Us

We're not around right now. But you can send us an email and we'll get back to you, asap.

Not readable? Change text. captcha txt
0

Start typing and press Enter to search

X