چکیده مقاله
تخمین سطوح ترافیکی در معابر و بزرگراهها به صورت هوشمند، همواره دچار چالش های فراوانی بوده است کیفیت بسیار پایین تصاویر دوربینهای نظارتی، تغییرات شدید آب و هوایی و نوری، انسداد و زوایای دید مختلفوسایل نقلیه از جمله چالشهای این سامانه هوشمند بوده است وجود این مشکلات، ارائه روشی پایدار و قابل اطمینان در این حوزه را دشوار کرده است در این مقاله برای اولین بار با استفاده از مفاهیم یادگیری به حل اینمسئله پرداخته شده است مدل اجزای تغییر پذیر در این مقاله برای یادگیری اشیا در تصاویر استفاده شده است پایگاه داده این مقاله نیز از دوربینهای نظارتی سطح شهر تهران انتخاب شده است الگوریتم ارائه شده با استفاده ازیادگیری مدل خودروها در سه مرحله به حل مسئله می پردازد یادگیری، شناسایی خودروها و تخمین سرعت و در نهایت تعیین سطح ترافیک سه مرحله الگوریتم هستند دقت نهایی این سامانه در تشخیص سطوح ترافیکی 98,7 بوده است این سامانه به صورت کامل بر روی چارچوبهای مختلفی از جمله کامپیوترهای صنعتی و بردهای نهفته پیاده سازی شده است که نتایج آن مناسب بودن آن را در کاربردهای صنعتی نمایان میکند
کلیدواژهها
نویسندگان
پگاه واهب
پژوهشگر
محمدصادق سلحشور
پژوهشگر
شیوه ارجاع
واهب، پگاه و سلحشور، محمدصادق،1394،پیاده سازی سامانهی تخمین سطوح ترافیکی با استفاده از روشDPM،پانزدهمین کنفرانس بین المللی مهندسی حمل و نقل و ترافیک،تهران
ارائهشده در
مجموعه مقالات پانزدهمین کنفرانس بین المللی مهندسی حمل و نقل و ترافیک11 اسفند 1394 · تهران