A neural network based traffic flow evaluation system for highways المراقبة التلفزيونية للطرق السريعة باستخدام الوسائل الذكية

Abstract

D Freeways are originally designed to provide high mobility to road users However the increase in population and vehicle numbers has led to increasing congestions around the world Daily recurrent congestion substantially reduces the freeway capacity when it is most needed Building new highways and expanding the existing ones is an expensive solution and impractical in many situations Intelligent and visionbased techniques can however be efficient tools in monitoring highways and increasing the capacity of the existing infrastructures The crucial step for highway monitoring is vehicle detection In this paper we propose one of such techniques The approach is based on artificial neural networks (ANN) for vehicles detection and counting The detection process uses the freeway video images and starts by automatically extracting the image background from the successive video frames Once the background is identified subsequent frames are used to detect moving objects through image subtraction The result is segmented using Sobel operator for edge detection The ANN is then used in the detection and counting phase Applying this technique to the busiest freeway in Riyadh (King Fahd Road) achieved higher than 98 % detection accuracy despite the light intensity changes the occlusion situations and shadows

يمثل ازدحام الطرق أحد أهم المشاكل التي تؤرق دول العالم اليوم سواء المتقدم منها أو النامي، وتستلزم إيجاد آلية فعالة للتغلب على مشكلة الازدحام المروري، وقد أثبتت الدراسات أن افتتاح طرق جديدة لا يمثل الحل لهذه المشكلة، بل إن الحل الناجع لهذه المشكلة يكمن في استخدام الطرق المتاحة بفعالية كبيرة باستخدام التكنولوجيا يعتبر حجر الأساس في حل هذه المشكلة هو تحديد عدد المركبات المتحركة في الصور الملتقطة للطرق، والذي بدوره يمثل أهمية كبيرة في عديد من التطبيقات العسكرية والمدنية وفي هذا البحث قمنا بالتقاط مجموعة من المقاطع التلفزيونية لأحد أهم الطرق وأكثرها ازدحاما في مدينة الرياض (طريق الملك فهد)، وتم تحليل هذه المقاطع ابتداء بأول ثلاث صور ثم تستمر عملية تحديد النقاط (pixels) المتحركة في الصور المتتابعة واستبدالها بنقاط الخلفية الثابتة حتى نصل إلى استخلاص كامل الخلفية، ثم تطرح الخلفية من الصور وتوجد حواف (edges) الصورة الناتجة باستخدام الـ (Sobel operator)، وتختزل أبعاد الصورة الناتجة ليتم تطبيق الشبكات العصبية الاصطناعية (ANN) بعد ذلك كوسيلة ذكية للكشف عن المركبات الموجودة في الطريق السريع وتحديد عددها، ولحل المشكلتين الرئيسيتين في الكشف عن عدد المركبات وهي الظل وحجب المركبات لبعضها عندما تظهر المركبتان المتجاورتان في الطريق كمركبة واحدة كبيرة بعمل مقارنة مع الدراسات المنشورة أثبتت النتائج فعالية هذه الطريقة للكشف عن عدد المركبات المتحركة بغض النظر عن الظروف الجوية المحيطة، وكان معدل الكشف عن المركبات المتحركة باستخدام هذه الطريقة أكثر من 98 %