HemNyheterTrafikhantering med adaptivt övervakningssystem

Trafikhantering med adaptivt övervakningssystem

Denna teknik lovar smartare städer och grönare lösningar som kommer att förvandla inte bara trafikhantering utan också publikskontroll och katastrofsvar.

Effektiv stadstrafikhantering är avgörande för smart stadsutveckling.Ökningen av autonoma fordon och anslutna transportsystem har ökat behovet av dynamiska övervakningslösningar för att säkerställa ett smidigt trafikflöde, minska olyckorna och förbättra effektiviteten.Men traditionella statiska kamerainställningar kommer ofta till kort i att anpassa sig till trafikfluktuationer i realtid, vilket leder till ineffektiv övervakning och resursallokering.

För att ta itu med detta har forskare från Incheon National University, ledd av docent Hyunbum Kim, utvecklat en lösning: ett förstärkt vätskesövervakningssystem utformat för realtidsanpassning till förändrade trafikscenarier.Detta erbjuder en smartare strategi för trafikhantering.

Systemet använder ett nätverk av en-lins-kameror arrangerade i ett dynamiskt rutnät.Dessa kameror justerar på ett intelligent sätt sin övervakningstäckning genom att aktivera eller inaktivera baserat på trafikförhållanden i realtid."Vårt mål är att skapa adaptiva trafikövervakningssystem som kan hantera olika och oförutsägbara scenarier," förklarar Dr. Kim.

Forskarna formaliserade "förstärkt maximeringsproblem för vätskevänskningseffektivitet" (MaxAugmentFlusurv), som syftar till att optimera kameraplacering och användning för maximal effektivitet.De föreslog två avancerade algoritmer:

Slumpmässigt värde-kamera-nivå-algoritm: Kameror är organiserade i ett 3 × 3 rutnät.Medan vissa kameror förblir aktiva för grundläggande täckning, slår andra på eller av beroende på trafiknivåer, vilket säkerställer effektivitet under låg trafik och förbättrad övervakning under topptider.
All-slumpmässig algoritm: Denna flexibla tillvägagångssätt tilldelar roller till varje kamera baserat på dess position i rutnätet.Kameror på kritiska platser förblir aktiva, medan andra justerar sin aktivitet dynamiskt och uppnår en balans mellan omfattande täckning och energibesparingar.
Simuleringar visade systemets effektivitet under varierande trafikförhållanden, sluttningar och vinklar.Algoritmerna minimerade energianvändningen under låg trafik och upprätthöll robust täckning under högtider.

Dr. Kim konstaterar, "Vårt system optimerar övervakning medan han bevarar energi och bidrar till smartare och grönare städer."Utöver trafikhantering skulle denna adaptiva teknik gynna publikövervakning, katastrofsvar och industriell säkerhet.Framtida utveckling kommer att integrera djup inlärning och verklig testning och driva gränserna för intelligenta stadssystem.