A Missouri Egyetem kutatói a lidart és az AI-t használják a VRU-jármű interakcióinak javítására
A Missouri Egyetem kutatói fejlett technológiát alkalmaznak az amerikai utak biztonságának fokozására. Ez a megközelítés, amely a legkiszolgáltatottabb úthasználókra – a gyalogosokra és a kerékpárosokra – összpontosít, javíthatja a járművezetők figyelmét, csökkentheti a balesetek számát és jobban megértheti a munkaterületeken való viselkedést.
Egy közelmúltban készült tanulmányban a Yaw Adu-Gyamfi docens és Linlin Zhang végzős hallgatója a Mizzou’s Engineering-en új módszert dolgozott ki a gyalogosok, kerékpárosok és járművek interakciójának megértésére, különösen a közlekedési jelzéseknél. Ez az innovatív megközelítés, amely a fényérzékelés és távolságmeghatározás (lidar) és a mesterséges intelligencia (AI) kombinációját alkalmazza, a közlekedésbiztonság és a mobilitás kulcsfontosságú kérdéseit kezeli.
A Lidar egy kamerát és egy lézerrendszert használ a tárgyak 3D-s nézetének létrehozásához, amely lehetővé teszi a szakértők számára, hogy megmérjék a különböző tárgyak, például kerékpárok, autók és emberek távolságát és sebességét.
„Azáltal, hogy jobban megértjük, hogyan lépnek kapcsolatba egymással a gyalogosok és a kerékpárosok az utakon, ez a tanulmány segít olyan fejlett rendszerek tervezésében, amelyek lehetővé teszik a járművek számára, hogy jobban megértsék és elkerüljék a többi közlekedőt. Ez különösen fontos, mivel az autonóm járművek egyre gyakoribbak” – mondta Adu-Gyamfi.
A közölt információk segítenek kezelni a kerékpárosok, a gyalogosok és a járművek közötti közlekedési jelzőlámpák közötti interakciókra vonatkozó iparági adatok hiányát.
Valós felhasználás
Ez a technológia segíthet észlelni az autók és a gyalogosok közötti konfliktusokat, így a szakértők jobban megérthetik, hogyan előzhetik meg a baleseteket. Ahogy egyre szélesebb körben elérhetővé válik, nyomon követheti, hogyan közelítik meg az emberek és az autók a kereszteződéseket, és megoszthatja ezeket az adatokat a járművekkel a biztonság javítása érdekében.
„Ehhez a megközelítéshez az autógyártókkal való együttműködésre lenne szükség, hogy a technológiát járművekbe építsék” – folytatta Adu-Gyamfi. „Sőt, egyes autók már csatlakoznak a közlekedési rendszerekhez olyan hálózatok segítségével, mint a jármű mindenhez (C-V2X).
A rendszer által gyűjtött adatok más módon is felhasználhatók a közlekedés javítására, például segíthetnek a szakértőknek eldönteni, hogy a gyalogosoknak mennyi ideig van szükségük zöld lámpára a biztonságos átkeléshez. Nyomon követheti a munkaterületre belépő autókat, és elkaphatja a gyorshajtókat vagy a nem a vezetésre figyelő sofőröket. Ezenkívül felismeri a járdaproblémákat, például a kátyúk mélységét.
Hogyan működik
A projekthez a kutatók közös kamerát és lidar rendszert állítottak fel egy kereszteződésben a forgalom figyelésére. A hagyományos megközelítés helyett, amely két lidar egységet követel meg, sikeresen optimalizálták a technológiát, hogy csak eggyel működjön. Ezenkívül a pontfelhő-kiegészítésnek nevezett módszer alkalmazásával javítani tudták a gyalogosok és más tárgyak láthatóságát a meglévő módszerekhez képest.
„Ahelyett, hogy a gépi tanulási modellt áttanítottuk volna az objektumok észlelésére, egy előre betanított modellt használtunk, és létrehoztunk egy új algoritmust az objektum magasságának és szélességének becslésére” – mondta Adu-Gyamfi. „Ez jobban segített nekünk az objektumok, például buszok, gyalogosok és kerékpárosok pontosabb osztályozásában, mint más, ugyanarra a feladatra tervezett mesterséges intelligencia modellek.”
Mielőtt ezt a technológiát széles körben alkalmazni lehetne utakon és autópályákon, a kutatóknak foglalkozniuk kell az adatfeldolgozással, az áramellátás stabilitásával és az időjárási viszonyokkal kapcsolatos kihívásokkal.
A háromdimenziós objektumészlelés és a nagy felbontású forgalmi paraméterek kivonása alacsony felbontású Lidar adatok segítségével című tanulmány a Journal of Transportation Engineeringben jelent meg. A társszerzők Xiang Yu (Mizzou) és Armstrong Aboah (North Dakota State University).
