Челябинские ученые изобрели эффективный метод борьбы с дорожными пробками

Ученые из Челябинска создали систему прогнозирования автомобильных заторов и регулирования их с помощью искусственного интеллекта. С учетом скорости потока нейронные сети направят машины в свободный коридор.

В зимнее время проблема транспортных пробок становится еще более актуальной. Фото Людмилы Ковалевой (Южноуральская панорама)

Как сообщает пресс-служба Южно-Уральского государственного университета, точность метода превысила 90 процентов. Цель интеллектуальной транспортной системы – в режиме реального времени выявлять возможные проблемы и реагировать на изменение дорожной ситуации.

- Транспортные пробки — одна из главных проблем современных городов, — говорит доцент кафедры «Автомобильный транспорт» автотранспортного факультета ЮУрГУ Владимир Шепелев. - Из-за нарастания потока машин пропускной способности перекрестков зачастую не хватает, увеличивается количество аварий, дорожных заторов.

На сегодняшний день на улицах создана сеть видеокамер, которая позволяет следить за ситуацией. Однако у них слишком низкое разрешение, угол обзора закрывают столбы, дорожные знаки, из-за чего точность определения скорости автомобилей невысока. Это создает конфликтные ситуации, из-за которых на водителей накладывают незаслуженные штрафы.

Челябинские ученые нашли способ решения проблемы. Уникальная программа собирает и направляет в специальные службы актуальные данные о ситуации на дорогах, анализируя до 400 различных параметров. При таком подробном учете погрешность составляет только 10 процентов. Методика прошла тестирование в разное время суток на шести перекрестках Челябинска, ее эффективность превосходит существующие зарубежные аналоги. Погрешность в определении скорости автомобиля составила всего 1,5 километра в час.

Таким образом новая технология дает возможность оптимизировать дорожное движение, не вкладывая средства в обновление устаревшей системы видеокамер. Ученые продолжают исследования, чтобы решить другие проблемы регулирования транспортного потока: перекрытие обзора камер объектами дорожной инфраструктуры, распознавание разных видов транспорта, определение системой угрозы ДТП.