该研究项目与西米德兰兹联合管理局(WMCA)合作，旨在开发更智能的交通监控技术，使当局能够收集重要的交通流量和排放数据。
研究人员
- 艾伦Dolhasz
- Mattia科伦坡
研究背景
WMCA与DMT实验室接触，研究和开发一种低成本的基于视觉的系统，用于检测、分类和跟踪来自交通监控系统的视频流中的车辆。在一个试点项目之后，WMCA资助了第一个工作原型的开发，将在西米德兰兹公路网上进行测试。该项目也是BCU、WMCA和BCC在将数据科学和机器学习应用于交通管理方面持续合作的结果。
研究的目的是
本研究的目的是开发基于计算机视觉的交通监控技术，以补充并最终取代传统的交通监控技术。这将允许提取丰富的交通模式数据，然后可用于预测和缓解拥堵，检测各种交通相关事件，并支持相关分析。此外，该项目旨在开发高效、经济且与现有监测系统兼容的解决方案。
研究方法
该项目正在使用最先进的深度学习模型开发计算机视觉算法。这些算法的目标是在给定摄像头的视野中准确地检测、分类和跟踪车辆实例。这些算法将首先根据WMCA和BCC提供的注释交通计数视频进行评估，以最小化拟议系统输出与地面真实交通计数之间的误差。该项目的最后阶段重点是在WMCAs交通监测网络上部署和集成拟议的系统。
预测结果
- 从视频数据中提取交通指标的准确高效算法
- 为地方议会获取准确交通流量数据的成本长期降低，从而减少对商业数据提供商的依赖
- 提高在中部地区安装的新交通监控摄像头的成本效益和利用率
- 将这些技术应用于其他与智能城市相关的数据收集，如排放或车道占用。