Використання нейронних мереж для моніторингу та оптимізації дорожнього руху

Abstract

Міські затори становлять значні виклики для сучасних міст, впливаючи на ефективність, сталість та якість життя. Дана курсова робота досліджує застосування нейронних мереж для інтелектуального моніторингу та оптимізації трафіку. Хоча теоретично розглядаються різні аспекти цієї галузі, включаючи прогнозування транспортних потоків та керування світлофорами, основний акцент реалізації робиться на виявленні транспортних засобів. Робота розпочинається з огляду традиційних методів моніторингу та оптимізації трафіку, підкреслюючи їхні обмеження в динамічних умовах. Потім представлено потенціал нейронних мереж, зокрема згорткових нейронних мереж (CNN), рекурентних нейронних мереж (RNN) та глибокого навчання з підкріпленням (DRL), для вирішення цих проблем. Основна частина роботи деталізує реалізацію системи виявлення транспортних засобів з використанням архітектури CNN, навченої на відповідному наборі даних про трафік. Методологія охоплює попередню обробку даних, вибір і редагування моделі, навчання та оцінку з використанням відповідних метрик. Представлено та обговорено результати реалізованої системи виявлення транспортних засобів, підкреслено її можливості та обмеження. Насамкінець, робота підсумовує потенціал нейронних мереж для розвитку інтелектуальних транспортних систем та окреслює майбутні напрямки досліджень у цій швидкозмінній галузі, включаючи ширші наслідки для прогнозування та керування транспортними потоками.