جمعیت جهان و وسایل نقلیه درحال افزایش است. هم اکنون بیشتر کشورها با مشکل ترافیک مواجه هستند. یکی از اصلی‌ترین دلایل ایجاد این مشکل، مدیریت نادرست ترافیک وغیرمفید است که علاوه بر تصادفات و مشکلات سلامتی،موجب اتلاف وقت، انرژی و ایجاد تراکم و راهبندان در نقاط و تقاطع‌های اصلی شهر میشود.
بنابراین یک سیستم موثر مدیریتی لازم است تا با استفاده از کاربردهای پردازش تصاویر راهبندان خیابان‌ها، بزرگراه‌ها و جاده‌ها را هوشمندانه برسی و هدایت کند تا مدیریت شهری را نیز بهبود ببخشد.
به این منظور ما در نظر داریم تا سیستمهای مختلف کنترل ترافیک و مدیریت شهری را که بر پایه کاربردهای پردازش تصویر درمدیریت ترافیک مورد استفاده قرار میگیرد را مورد ارزیابی قرار دهیم.
نظارت ترافیک و کنترل ترافیک در شهرها همواره مسائل چالش‌برانگیزی بوده‌اند. اما کاربردهای پردازش تصویر در مدیریت ترافیک راه حلهای قابل ارائهای را برای گریز از این مشکل پدید آورده است.
سیستمهای هوشمند حمل‌ونقل (ITS) که از تکنولوژی‌های مختلفی بهره می‌برند در پیاده‌سازی کاربرد های عملیشان ، چالش‌های مشخصی دارند.
یکی از این موارد نظارت ویدیویی است که مفید بودن خود را نسبت به سیستمهای سنتی در زمینه نظارت ترافیک با استفاده از حسگرها و شناساگرهای حلقه‌ای قیاسی(القائی) نشان داده است.
برای رفع راهبندان در ترافیک وایجاد مدیریت شهری، تخمین زدن دقیق حجم ترافیک الزامی است، و به همین سبب شناسایی خودروها، ارزیابی سرعت آنها و همچنان ردیابی وسایل حمل و نقل عبوری از آن مناطق ضروری می‌باشد.
پردازش تصویردرمدیریت شهری وتکنیکهای آن در زمینه مدیریت ترافیک، نیازمند پردازش تعداد زیادی از فریم‌های تصویر به صورت بی‌وقفه است.
برای توسعه سیستمهای مدیریت ترافیک، نیاز به پردازش تصویرِموثرتر و ارزان‌تر در جهت بالا بردن دقت تشخیص خودروها و ارزیابی حجم ترافیک است.
و به همین جهت توسعه الگوریتم های قدرتمندی که در مواقع بالا بودن حجم ترافیک و شرایط مختلف آب‌وهوایی کارایی مؤثری را داشته باشند همواره مورد نیاز می‌باشد.
پیشرفت‌های هوش مصنوعی چشم‌اندازهای جدیدی را در زمینه کاربردهای پردازش تصویر در مدیریت ترافیک و مدیریت شهری توسط مکانیسم‌های کنترل سیگنال و همچنین ایجاد شبکه‌های عصبی برای جریان ترافیک بدون مانع پیشنهاد میکند.
بنابراین یک سیستم موثر مدیریتی لازم است تا با استفاده از کاربردهای پردازش تصاویر راهبندان خیابان‌ها، بزرگراه‌ها و جاده‌ها را هوشمندانه برسی و هدایت کند تا مدیریت شهری را نیز بهبود ببخشد.
به این منظور ما در نظر داریم تا سیستمهای مختلف کنترل ترافیک و مدیریت شهری را که بر پایه کاربردهای پردازش تصویر درمدیریت ترافیک مورد استفاده قرار میگیرد را مورد ارزیابی قرار دهیم.
نظارت ترافیک و کنترل ترافیک در شهرها همواره مسائل چالش‌برانگیزی بوده‌اند. اما کاربردهای پردازش تصویر در مدیریت ترافیک راه حلهای قابل ارائهای را برای گریز از این مشکل پدید آورده است.
سیستمهای هوشمند حمل‌ونقل (ITS) که از تکنولوژی‌های مختلفی بهره می‌برند در پیاده‌سازی کاربرد های عملیشان ، چالش‌های مشخصی دارند.
یکی از این موارد نظارت ویدیویی است که مفید بودن خود را نسبت به سیستمهای سنتی در زمینه نظارت ترافیک با استفاده از حسگرها و شناساگرهای حلقه‌ای قیاسی(القائی) نشان داده است.
برای رفع راهبندان در ترافیک وایجاد مدیریت شهری، تخمین زدن دقیق حجم ترافیک الزامی است، و به همین سبب شناسایی خودروها، ارزیابی سرعت آنها و همچنان ردیابی وسایل حمل و نقل عبوری از آن مناطق ضروری می‌باشد.
پردازش تصویردرمدیریت شهری وتکنیکهای آن در زمینه مدیریت ترافیک، نیازمند پردازش تعداد زیادی از فریم‌های تصویر به صورت بی‌وقفه است.
برای توسعه سیستمهای مدیریت ترافیک، نیاز به پردازش تصویرِموثرتر و ارزان‌تر در جهت بالا بردن دقت تشخیص خودروها و ارزیابی حجم ترافیک است.
و به همین جهت توسعه الگوریتم های قدرتمندی که در مواقع بالا بودن حجم ترافیک و شرایط مختلف آب‌وهوایی کارایی مؤثری را داشته باشند همواره مورد نیاز می‌باشد.
پیشرفت‌های هوش مصنوعی چشم‌اندازهای جدیدی را در زمینه کاربردهای پردازش تصویر در مدیریت ترافیک و مدیریت شهری توسط مکانیسم‌های کنترل سیگنال و همچنین ایجاد شبکه‌های عصبی برای جریان ترافیک بدون مانع پیشنهاد میکند.
مقدمه ای بر کاربردهای پردازش تصویر در مدیریت ترافیک #
تکنولوژی تشخیص اشیاء در شاخه ای از بینایی کامپیوتر قرار دارد و با استفاده از تکنیکهای پردازش تصویر، سعی میکند اشیاء را در تصاویر و یا ویدیوها پیدا کرده و جدا کند. انسان‌ها با تلاش کمی میتوانند در تصاویر بسیاری از اشیاء را، با وجود اینکه ممکن است در برخی زوایا متفاوت دیده شوند یا در سایز‌ها و مقیاس‌های متفاوت باشند و یا حتی چرخیده باشند، تشخیص دهند.
در زندگی مدرن ما باید با مشکلات متعددی مواجه شویم یکی از آنها راه بندان و ترافیک است که روزبه روز خطرناک‌تر میشود که در نتیجه افزایش ترافیک، بسیاری از مشکلات مثل تصادفات رانندگی، راهبندان و غیره افزایش مییابد.
راهبندان مشکل بسیار بزرگی است به همین دلیل بسیاری از پژوهشگران توجهشان را به کاربردهای پردازش تصاویر در مدیریت ترافیک معطوف کرده اند. یکی از این آنها، سیستم هوشمند حمل‌ونقل (ITS) یا پیش‌بینی جریان ترافیک براساس نظارت در تقاطع‌ها و برای تشخیص ترافیک است.
این کار برای سیستمهای بینایی کامپیوتر همچنان چالشی محسوب میشود. در دهه‌های گذشته رویکردهای مختلفی برای حل آن پیاده‌سازی شده است. در گذشته، بیشتر شیوه‌ها از تکنیک تطابق استفاده می‌شد که در آن فریم اصلی در مقایسه با فریم جدید قرار داده می‌شد و با در نظر گرفتن تفاوت‌های آنها نتیجه به دست می‌آمد.
اما دراین مبحث ما درباره تکنیکهای کنترل ترافیک هوشمند که از پردازش تصویر در مدیریت ترافیک و همچنین شمارش وسایل نقلیه استفاده میکند، صحبت خواهیم کرد. شناسایی خودروها و شمارش آنها در محاسبه راه بندان و بزرگراه‌ها ضروری است. هدف اصلی شناسایی خودروها و شمارش آنها در ویدیو یا عکس، این است که بتوان شیوه تشخیص خودکار وسایل نقلیه و شمارش آنها را در بزرگراه‌ها توسعه داد.
شیوه نوینی جهت مدیریت در ترافیک شهری ابداع شده است که از فیلترهای تصویری برای شناسایی و شمارش خودروها استفاده میکند و سپس با پردازش تصویر یا فیلم، نهایتاً تعداد خودروها را در اختیار ما قرار می‌دهد. شیوههای مختلفی برای تشخیص وسایل نقلیه در راه‌ها وجود دارد؛ مثل تشخیص حرکت، نصب لیزر وغیره که راضی‌کننده نیستند و همگی به مقدار زیادی سخت‌افزار نیاز دارند.
تکنیکهای پردازش تصویر برای شمارش تعداد وسایل نقلیه عبوری از مسیر و همچنین تخمین تراکم ترافیک استفاده میکند که می‌توان با کمک اطلاعات تعداد وسایل نقلیه، جریان ترافیک را کنترل و بر آن نظارت کرد.
این یکی از مدرنترین شیوههای کنترل ترافیک و مدیریت شهری است وکشورهایی که به دنبال آشنایی با این سیستمهای پردازش تصویر در مدیریت ترافیک هستند از آن بهره می‌برند.
با این روش می‌توان ترافیک را به صورت هوشمندانه سازماندهی کرد و علاوه بر آن در این شیوه نیازی به یک نفر جهت انجام آن نیست. این روش به دو بخش تقسیم میشود: تشخیص خودرو با استفاده از پردازش ویدیو و تشخیص خودرو با استفاده از پردازش تصویر.
در اینجا چندین مورد از روشهای تشخیص ترافیک هوشمند را معرفی میکنیم.
شناسایی وسایل نقلیه توسط ویدیو #
درپنج دهه اخیر تکنیکهای متعددی برای پردازش ویدیوها شکل گرفته اند. یکی از آنها تکنیک تطابق است. این تکنیک تصویر قبلی و تصویر فعلی را در نظر گرفته و با کاستن تشابهات دو تصویر، براساس تفاوت‌های میان آن دو، درصد تراکم را محاسبه میکند.
طراحی معماری #
طراحی معماری به ما یک بررسی اجمالی از وسیله نقلیه در حال حرکت و تشخیص این وسیله در یک صحنه از ویدیو ارائه می‌دهد. و سیستم از یک صحنه ویدیویی موجود استفاده میکند.
نمودار بلوک در پردازش تصویر و مدیریت ترافیک #
نمودار بلوک، یک نگاه اجمالی از اینکه چگونه وسیله نقلیه توسط پردازش تصویر شناسایی میشود ارائه میکند. بخش‌های مختلفی از نمودار بلوک وجود دارد که به ترتیب ذیل است:
1.گرفتن تصویر #
ما می‌توانیم تصویر را از دوربینی که به صورت زنده هر 10 ثانیه در حال ضبط تصاویر است دریافت کنیم. و در شیوه دیگری می‌توان ویدیو را دریافت کرد و آن را به فریم‌هایش تقسیم کرد و به فاصله هر چند ثانیه یک فریم را در نظر گرفت.
2.شناساگر پیش‌زمینه #
شناساگر پیش‌زمینه به عنوان مهمترین بخش عملکرد این کد شناخته میشود، که نقش بسیار مهمی در شناسایی و فیلتر کردن زمین ایفا میکند و پیش‌زمینه را با استفاده از مدل‌های Gaussian Mixture (GM-M) تشخیص می‌دهد. همچنین نوع تصویر را از RBG ابتدا به خاکستری و سپس به باینری تغییر داده و در سطوح مختلفی فیلترهایی را اعمال میکند.
3.بهبود تصویر #
به فرایند تنظیم کردن تصاویر دیجیتال گفته میشود تا نتیجه برای تجزیه و تحلیل بیشتر و یا نمایش دادن مناسب‌تر شود. به طور مثال: ما می‌توانیم اختلال را حذف کنیم که باعث میشود شیء در تصویر راحت‌تر شناسایی شود.
4.تشخیص وسیله نقلیه #
شناسایی وسیله نقلیه در حال حرکت به تجزیه و تحلیل ویدیو مربوط است. این قابلیت می‌تواند در بخش‌های مختلفی مورد استفاده قرار گیرد مثل نظارت ویدیویی، رصد کردن ترافیک و ردیابی افراد.
تکنیکهای مختلفی برای بخش‌بندی اختلاف فریم‌ها وجود دارد. شیوه محاسبه اختلاف فریم پیچیدگی کمتری دارد و پیاده‌سازی آن ساده است. در این شیوه، تفاوت میان فریم فعلی و فریم مرجع که از آستانه مد نظر بالاتر قرار گرفته باشد؛ به عنوان یک وسیله نقلیه درحال حرکت در نظر گرفته میشود.
5.ردیابی وسیله نقلیه #
برای ردیابی وسیله نقلیه لازم است که خودرو مورد نظر به طور پیوسته در سکانس‌های ویدیویی شناسایی شود و این کار با علامت‌گذاری دقیقِ مرزهای دور وسیله مورد نظر انجام میگیرد.
ردیابی وسیله نقلیه مشکل چالش برانگیزی است. مشکلات ردیابی وسیله نقلیه می‌تواند به دلیل حرکت ناگهانی وسیله نقلیه و یا تغییر الگوی ظاهری آن ایجاد شود. اما این دو شیوه ایرادات زیادی نیز دارند، مثلاً زمانی که دو خودرو همزمان در یک خط قرار گیرند امکان دارد به عنوان یک خودرو شناسایی شوند و یا اگر نیمی از یک خودرو در دو ناحیه قرار داشته باشد، هر ناحیه به اشتباه به عنوان یک خودرو شناسایی میشوند.
شناسایی وسایل نقلیه با استفاده ازکاربردهای پردازش تصویر #
به عمل پردازش تصویربا استفاده ازعملگرهای ریاضیات که از هرگونه فرم پردازش سیگنال استفاده میکند و ورودی آن ها نیز تصویر است، پردازش تصویر می‌گویند.
ردیابی وسیله نقلیه درتصویر مشابه با ویدیو نیست. برای این کار از پردازش‌ها و عملگرهایی برای ردیابی خودروها استفاده میشود.
کنترل ترافیک و مدیریت شهری مبتنی بر پردازش تصویر می‌تواند به سادگی و با هزینه اندک، توسط ابزار در دسترس محلی ساخته شود و در ترافیک خیابان‌های مختلف مورد استفاده قرار گیرد. که از آن جهت شمارش وسایل نقلیه در حال حرکت در بزرگراه ها استفاده میشود.
در آینده نزدیک، زمانی که خودروهای خودران به عنوان امری عادی بخشی از زندگی روزمره شوند؛ سیستمهای پردازش تصویردر مدیریت ترافیک میتوانند قابلیت‌های فوق‌العاده‌ای برای هدایت و کنترل چنین خودروهایی دارا باشند.
هم اکنون درهند برخی شهرها از سیگنال‌های خودکار ترافیک استفاده می‌کنند که به پلیس برای تجزیه و تحلیل پارامترهای مختلف کمک کرده و به آنها در مدیریت ترافیک شهری و شرایطی که برای آن می‌تواند رخ دهد، اطلاعات تصویری ارائه می‌دهند.
سیستمهای پردازش تصویر در مدیریت ترافیک از دوربین‌های تلویزیونی مداربسته کیفیت بالا (CCTV) برای ثبت تصاویر ترافیک استفاده می‌کنند که یکی از کاربردهای پردازش تصویردر مدیریت ترافیک بوده و برای برخورد با قانون‌شکنان مفید است.
در سیستمهای پردازش تصویر در مدیریت ترافیک، چراغ‌های راهنمایی میتوانند خودشان تجزیه و تحلیل کنند که کدام مسیر ترافیک بیشتری دارد و بنابراین آن مسیر را برای زمان بیشتری باز نگه دارند.
سیستم پیشرفته کنترل و مدیریت ترافیک جاده‌ای در واقع جریان مداومی از اطلاعات است که از حسگرهای اینترنتی که در کناره جاده‌ها نصب شده استفاده میکند و اطلاعات را دریافت و انتقال دهد تا در ضمن آن مقامات مسئول بتوانند تصمیمات آگاهانه‌تری اتخاذ کنند.
دستگاهی که برای سیستمهای مورد نظر استفاده میشود یک سیستم کنترل مرکزی، چراغ‌های هوشمند راهنمایی و دوربین‌ها و شناساگرهاییاند که به چراغ راهنمایی برای مدیریت ترافیک و براساس جریان ترافیک و بدون وقفه کمک می‌کنند.
چراغ‌های راهنمایی و حسگرها داده‌ها را جمع‌آوری کرده و آنها را برای مدیریت بهتر مخابره می‌کنند. حسگرها در تقاطع‌های بزرگ نصب میشوند تا به هماهنگ‌سازی حرکتِ روان وسایل نقلیه کمک کنند.
این حسگرها میتوانند از اتاق کنترل، کنترل شوند. همچنین می‌توان با دانستن سرعت وسایل نقلیه و مدیریت آن، از بروز تصادفات و رانندگی‌های عجولانه جلوگیری کنند.
موضوع جالب دیگری به نام “همیشه چراغ سبز” درحال محبوب شدن است که در آن به راننده اطلاع داده میشود که با چه سرعتی حرکت کند تا همواره به چراغ‌های راهنمایی سبز در مسیرش برخورد کند. در آینده چراغ‌های راهنمایی هوشمند، میتوانند اطلاعات هوشمندی به آمبولانس‌ها بدهند تا با کاهش اتلاف وقت به نزدیکترین بیمارستان برسند.
همچنین این سیستمها میتوانند برای حفظ محیط زیست، اطلاعاتی از آلودگی تولید شده از وسایل نقلیه را نیز جمع‌آوری کنند.
برای سیستمهای زمان واقعی پردازش تصویر در مدیریت ترافیک، حسگرهای شناسایی در هر تقاطعی نصب میشود که تعداد وسایل نقلیه‌ای که در کنار یا گوشه تقاطع توقف داشته یا ایستاده‌اند را بشمرد.
سپس این ورودی‌ها توسط نرم‌افزار کنترلر پردازش شده و سیگنال‌ها به گونه‌ای هماهنگ‌سازی میشود که ترافیک‌های سنگین به مسیرهای خلوت‌تر منتقل شوند.
توسعه های تکنولوژیکی بسیاری در زمینه سخت‌افزارها مثل انواع شناساگرها، کنترلرها، اتصال‌دهنده‌ها و سیگنال‌ها انجام شده است و پیش از پیش به بهبود پردازش تصویر و کاربردهای آن در مدیریت ترافیک کمک کرده است.
نتیجه گیری #
راه بندان یکی از بزرگترین مشکلاتِ شهرهای بزرگ جهان است. برای اطمینان از یک سیستم حمل‌ونقل قابل اتکا، استفاده از سیستم پردازش تصویر در مدیریت ترافیک بسیار مهم است. اولین قدم برای این کار، دستیابی به داده‌های ترافیک است که از حسگرهای مختلفی به دست می‌آید. برخی از حسگرها مثل حلقه‌های قیاسی(القائی) ، حسگر فروسرخ (مادون قرمز)، جریان نوری و غیره است.
با این حال، کاربردهای پردازش تصویر در مدیریت ترافیک مؤثر واقع شده و حل مشکلات مرتبط با ترافیک را نیز به واسطه سادگی استفاده از آنها بسیار نویدبخش کرده است. برای دسترسی به اطلاعات ترافیکی، تکنیکهای مختلفی پیشنهاد شده است که بیشتر آنها شامل تشخیص لبه‌های وسیله‌های نقلیه و شمارش تعداد آنها در مسیر میشوند. اما مشکل این شیوه این است که با کم شدن فاصله خودروها در جاده احتمال به وجود آمدن خطا در داده‌ها زیاد میشود.
منابع #
اگر به اطلاعات بیشتری درباره کاربردهای پردازش تصویر در مدیریت ترافیک نیاز دارید؛ شما می توانید با خواندن این مقاله تخصصی اطلاعات مفیدی را بدست آورید.
https://ebrary.net/201195/education/application_image_processing_traffic_management_analysi
