DETECTION OF TRAFFIC CONGESTION IN OPTICAL REMOTE SENSING IMAGERY
Από RemoteSensing Wiki
DETECTION OF TRAFFIC CONGESTION IN OPTICAL REMOTE SENSING IMAGERY
Ανίχνευση κυκλοφοριακής συμφόρησης μέσω τηλεπισκοπικών εικόνων
Συγγραφείς: Gintautas Palubinskas / Franz Kurz /Peter Reinartz
1.ΕΙΣΑΓΩΓΗ
Η κυκλοφοριακή συμφόρηση και η αύξηση των κυκλοφοριακών φόρτων των οδικών αξόνων είναι ένα από τα προβλήματα που με το πέρασμα των χρόνων συνεχώς αυξάνεται και η ανάγκη για άμεση επίλυση του κρίνεται αναγκαία. Η κυκλοφοριακή συμφόρηση των οδικών αξόνων είναι ένας από τους κύριους λόγους για την τεράστια αύξηση του κόστους μεταφοράς λόγω χαμένου χρόνου και των επιπλέον καυσίμων. Τα προβλήματα που προκύπτουν είναι ποικίλα και πολυδιάστατα. Προκειμένου ωστόσο να λυθεί το πρόβλημα αυτό, η ανάλυση του προβλήματος και η συλλογή των απαραίτητων στοιχείων αποτελεί πρωταρχική κίνηση των ερευνητών. Οι συγγραφείς του παρόντος άρθρου που φέρει τον τίτλο <<DETECTION OF TRAFFIC CONGESTION IN OPTICAL REMOTE SENSING IMAGERY>> επιχειρούν την ανίχνευση του προβλήματος της κυκλοφοριακής συμφόρησης των οδικών αξόνων μέσω της χρήσης της επιστήμης της τηλεπισκόπισης και των τηλεπισκοπικών εικόνων. Πιο συγκεκριμένα, οι συγγραφείς προτείνουν μια νέα προσέγγιση προωθώντας τη χρήση τηλεπισκοπικών εικόνων χρονοσειράς οπτικής ψηφιακής δορυφορικής κάμερας. Μέσω αυτών επιχειρείται η καταγραφή της πυκνότητας των οχημάτων στους οδικούς άξονες, η μέση ταχύτητα του οχήματος καθώς και η αρχή και το τέλος της συμφόρησης. Η μέθοδος αυτή εστιάζει στην ανίχνευση των οχημάτων στο οδικό τμήμα μέσω της ανίχνευσης των αλλαγών μεταξύ δύο εικόνων με σύντομη χρονική υστέρηση, της χρήσης εκ των προτέρων βασικών πληροφοριών όπως είναι τα βασικά χαρακτηριστικά των δρόμων καθώς και μέσω των μεγεθών των οχημάτων, και των αποστάσεων μεταξύ τους.
2.ΜΕΘΟΔΟΣ
Οι αισθητήρες που είναι εγκατεστημένοι σε αεροσκάφη ή δορυφόρους επιτρέπουν τη συλλογή δεδομένων σε μεγάλη κλίμακα, καθιστώντας τους κατάλληλους για διάφορες εφαρμογές παρακολούθησης της κυκλοφορίας. Η λήψη εικόνων για κάθε σημείο από πολλαπλές κάμερες με διαφορά λίγων δευτερολέπτων αποτελεί τη βάση της μεθόδου εντοπισμού του προβλήματος που μελετάται. Πιο συγκεκριμένα, μέσω της συγκεκριμένης μεθόδου επιχειρείται η καταγραφή της υφιστάμενης κατάστασης των οδικών αξόνων, μοντελοποιώντας την ροή κυκλοφορίας στο οδικό τμήμα και όχι καταγράφοντας απλά κάθε μεμονωμένο όχημα. Η μέθοδος ανίχνευσης, βασίζεται στον συνδυασμό διαφόρων τεχνικών όπως: ανίχνευσης αλλαγών, επεξεργασίας εικόνων και ενσωμάτωσης βασικών πληροφοριών-δεδομένων όπως τα δεδομένα της υφιστάμενης κατάστασης των οδικών αξόνων. Αναλυτικότερα, η ανίχνευση των αλλαγών σε δύο εικόνες με μικρή χρονική υστέρηση υλοποιείται μέσω της μεθόδου ανίχνευσης. Οι αλλαγές των χρονικών στιγμών μεταφράζονται σε αλλαγές στην ανακλώμενη ακτινοβολία, βοηθώντας μας να αντιληφθούμε τις αλλαγές κάθε χρονική στιγμή και να εντοπίσουμε τα κινούμενα οχήματα και το ρυθμό ροής τους. Η επεξεργασία εικόνων, πραγματοποιείται προκειμένου να εξαχθούν συμπληρωματικά στοιχεία για να πραγματοποιηθεί η ανάλυση της υφιστάμενης κατάστασης. Παράδειγμα αποτελεί ο υπολογισμός της εκτιμώμενης πυκνότητας των οχημάτων. Η εκτιμώμενη πυκνότητα μπορεί να συσχετιστεί με τη θεωρητική πυκνότητα του οχήματος, η οποία μπορεί να αποκτηθεί με τη μοντελοποίηση της ροής κυκλοφορίας για ένα οδικό τμήμα. Το μοντέλο προέρχεται από τις εκ των προτέρων βασικές πληροφορίες που έχουν συλλεχθεί σχετικά με τα μεγέθη των οχημάτων και τις παραμέτρους του δρόμου (π.χ. βάση δεδομένων NAVTEQ). Η θεωρητική πυκνότητα οχήματος σχετίζεται άμεσα με τη μέση ταχύτητα του οχήματος στο τμήμα του δρόμου και επομένως με τις πληροφορίες σχετικά με την κατάσταση της κυκλοφορίας (π.χ. η ύπαρξη συμφόρησης, η αρχή και το τέλος συμφόρησης η διάρκεια εμπλοκής, οι πραγματικοί χρόνοι ταξιδιού κ.α.)
2.1.ΠΩΣ ΓΙΝΕΤΑΙ Η ΑΝΙΧΝΕΥΣΗ ΤΩΝ ΟΧΗΜΑΤΩΝ
1 Επιλέγονται δύο διαφορετικές εικόνες με διαφορά λίγων δευτερολέπτων. Οι περιορισμοί που τίθενται είναι στις εικόνες που επιλέγονται το όχημα που ορίζεται για ανάλυση να μην επικαλύπτεται από τον εαυτό του ή με το προηγούμενο αυτού. 2 Ορίζεται η περιοχή ενδιαφέροντος- ο οδικός άξονας κίνησης των οχημάτων με βάση τη γραμμή κίνησης. 3.Λαμβάνεται η εικόνα αλλαγής η οποία εντοπίζεται με αλγόριθμο Median absolute deviation. Η λαμβανόμενη εικόνα αλλαγής τίθενται σε ειδική επεξεργασία βελτιστοποιήσεων. Η πυκνότητα των οχημάτων που υπολογίζεται για κάθε τμήμα δρόμου από τη νέα εικόνα ( δυαδική ) ορίζεται ως ο λόγος των λευκών εικονοστοιχείων προς τον συνολικό αριθμό των εικονοστοιχείων στο συνολικό τμήμα του δρόμου.
2.2.ΠΟΙΕΣ ΕΙΝΑΙ ΟΙ ΕΚ ΤΩΝ ΠΡΟΤΕΡΩΝ ΠΛΗΡΟΦΟΡΙΕΣ ΠΟΥ ΣΥΛΛΕΓΟΝΤΑΙ
Οι εκ των προτέρων βασικές πληροφορίες-prior information που συλλέγονται περιλαμβάνουν τα εξής: Βάση δεδομένων δρόμων ( οδικές γραμμές και στις δύο κατευθύνσεις ) Μεγέθη οχημάτων επιβατικών οχημάτων, φορτηγών και λεωφορείων Χαρακτηριστικά δρόμων ( αριθμός λωρίδων, πλάτη δρόμων )
2.3.ΠΡΟΤΕΙΝΟΜΕΝΟ ΓΡΑΜΜΙΚΟ ΜΟΝΤΕΛΟ ΚΥΚΛΟΦΟΡΙΑΣ
Το προτεινόμενο γραμμικό μοντέλο που προτείνουν οι συγγραφείς είναι το εξής : S=B*g(V)+L Όπου: S-> απόσταση οχήματος από το προηγούμενο και το επόμενο του g(V)-> η συνάρτηση που μετατρέπει την ταχύτητα (km/h) σε m L-> μήκος οχήματος σε m Β-> αδιάστατη παράμετρος μοντέλου ( οι τιμές για την κυκλοφοριακή συμφόρηση κυμαίνονται από 0,5-1 ) Επίσης, η θεωρητική πυκνότητα υπολογίζεται ως εξής: D=1km/S Σε αυτό τον τύπο υπονοούνται εγγενείς υποθέσεις σχετικά με τη σταθερή ταχύτητα και τον ίδιο τύπο οχημάτων για ένα επιλεγμένο οδικό τμήμα.
3.ΠΕΙΡΑΜΑ ΠΟΥ ΔΙΕΞΗΓΑΓΑΝ
Ο αυτοκινητόδρομος που μελετήθηκε είναι ο αυτοκινητόδρομος Α8 νότια του Μονάχου. Αποτελεί ένα από τα πιο πολυσύχναστα μέρη του γερμανικού δικτύου αυτοκινητοδρόμων με μέσο φόρτο περίπου 100.000 οχήματα ημερησίως. Στις 2 Σεπτεμβρίου του 2006 αναμενόταν μεγάλη κίνηση σε αυτό το τμήμα που επιλέχθηκε από ταξιδιώτες. Τρείς λήψεις δεδομένων λήφθηκαν από σύστημα καμερών DLR 3K μεταξύ του χρονικού διαστήματος 14:01 και 15:11 από 2000 μέτρα πάνω από το έδαφος σε τρεις υπερπτήσεις. Κατά τη διάρκεια κάθε υπερπτήσεως, λήφθηκαν 22 ριπές εικόνων που η καθεμία περιείχε τέσσερις διαδοχικές εικόνες. Η χρονική διαφορά σε αυτές τις ριπές ήταν 0,7 δευτερόλεπτα έτσι ώστε κάθε αυτοκίνητο να παρακολουθείται.
Τα αποτελέσματα της ανίχνευσης κυκλοφοριακής συμφόρησης στο χώρο δοκιμών του αυτοκινητοδρόμου Α8 παρουσιάζονται στο παραπάνω σχήμα. Η εικόνα a. είναι η πρώτη εικόνα του παραδείγματος ακολουθίας που λήφθηκε, η εικόνα b είναι η δεύτερη εικόνα που αποκτήθηκε 2,1 δευτερόλεπτα αργότερα, η εικόνα c είναι η δυαδική εικόνα αλλαγής η οποία εντοπίστηκε με αλγόριθμο Median absolute deviation μετά τη διαδικασία βελτιστοποιήσεων, η εικόνα d παρουσιάζει το προφίλ ταχύτητας για ξεχωριστές οδικές κατευθύνσεις που απεικονίζονται στη δυαδική εικόνα και στην εικόνα e παρουσιάζονται οι μετρήσεις ταχύτητας αναφοράς στην πρώτη εικόνα. Με κόκκινο χρώμα σημειώνεται η περιοχή συμφόρησης στην οποία καταγράφεται μέση ταχύτητα έως 80 km/h. Τα πειραματικά αποτελέσματα που ελήφθησαν παρουσιάζουν τις δυνατότητες της προτεινόμενης μεθόδου για την ανίχνευση της κυκλοφοριακής συμφόρησης σε αυτοκινητοδρόμους. Τα συμπεράσματα που εξήχθησαν από τους ερευνητές είναι τα εξής : για την ακριβή εκτίμηση της πυκνότητας του οχήματος, η βέλτιστη χρονική καθυστέρηση των δύο εικόνων φαίνεται να είναι περίπου 3 δευτερόλεπτα και το εύρος των ταχυτήτων μεταξύ των 10 km/h και 80km/h ( κατάσταση κυκλοφοριακής συμφόρησης ). Το πρόβλημα που εντοπίζεται για τα πολύ αργά ή σταματημένα αυτοκίνητα επισημαίνεται από τους συγγραφείς πως μπορεί να επιλυθεί με την ενσωμάτωση άλλων προσεγγίσεων όπως π.χ. τη ταξινόμηση της μεμονωμένης εικόνας. Επίσης οι παραμορφώσεις που προκαλούνται λόγω των σκιάσεων των οχημάτων και μπορούν να ελαχιστοποιηθούν μέσω των πρόσθετων prior information όπως το υψόμετρο του ήλιου και το ύψος των οχημάτων.
4.ΤΕΛΙΚΑ ΣΥΜΠΕΡΑΣΜΑΤΑ ΕΡΕΥΝΗΤΩΝ
Οι συγγραφείς του παρόντος άρθρου εισήγαγαν μια νέα προσέγγιση ανίχνευσης κυκλοφοριακής συμφόρησης μέσω της χρήσης εικόνων χρονοσειρών που λαμβάνονται από αερομεταφερόμενο οπτικό σύστημα κάμερας 3Κ. Μας επιτρέπει να εξάγουμε διάφορες παραμέτρους κυκλοφορίας όπως την πυκνότητα οχήματος, τη μέση ταχύτητα, την αρχή και το τέλος της συμφόρησης καθώς και τη διάρκειας της συμφόρησης. Η μέθοδος βασίζεται στην ανίχνευση οχήματος στο τμήμα του δρόμου από αλλαγή ανίχνευσης δύο εικόνων με μικρή χρονική καθυστέρηση, χρήση μιας εκ των προτέρων πληροφόρησης και ενός απλού μοντέλου κυκλοφορίας. Το παρακάτω σχήμα παρουσιάζει οπτικά μέσω σχημάτων το μοντέλο ανάλυσης των ερευνητών.
