Verkehrszählung
Der Anwendungsfall der Verkehrszählung in Kombination mit Klassifizierung in unsere Haupt- und Unterklassen.
Einleitung
Sie möchten mehr über die Verkehrssituation auf einer Straße oder Autobahn erfahren? Unsere Software bietet die Lösung dafür, um die Anzahl der Fahrzeuge zu erfassen und diese in Objekttypen, bzw. Klassen, und nach Fahrtrichtung aufzuschlüsseln.
Für eine effiziente Verkehrsinfrastruktur ist die Erfassung genauer und zuverlässiger Daten entscheidend. Unser Software basiert auf einer KI und ist in der Lage, Objekte in Verkehrsszenarien zu erkennen, zu zählen und zu klassifizieren. Die generierten Daten können dann als Informationsgrundlage dienen, um Entscheidungsprozesse in großen Smart-City-Prozessen zu unterstützen sowie grundsätzliche Fragen zu lokalen Verkehrssituationen zu beantworten, beispielsweise:
Wie viele LKW nutzen pro Tag eine innerstädtische Kreuzung?
Smart Insights in die Verkehrslast - müssen Straßen erweitert werden?
Wo kommt es zu Momenten des Falschfahrens? In welcher Häufigkeit?
Wann und wo wird geparkt? Für wie lange? Wer steht im Halteverbot?
Wer steht warum auf dem Seitenstreifen der Autobahn?
Welche Straßen werden wie häufig von welchen Fahrzeugen genutzt?
…
Hintergrund
Technisch gesehen besteht unser Verkehrszählsystem aus den folgenden Teilen: Objekterkennung; Objekttracking; Zählen der Objekte, die eine virtuelle Linie im entsprechenden Bereich überqueren; und Objektklassifizierung. Nachfolgend werden die vorab trainierten Technologien, die bei der Verkehrszählung verwendet werden, kurz erläutert:
Objekterkennung
Die Hauptaufgabe ist es hierbei, die relevanten Objekte zu erkennen und sie vom Hintergrund des Kamerastreams zu unterscheiden. Dies gelingt durch entsprechendes Training unseres Algorithmus, ein Auto als ein Objekt von Interesse zu erkennen - statt beispielsweise einen Baum. Die Computer-Vision-Technologie befasst sich mit der Lokalisierung des Objekts. Das heißt, wenn das Objekt in einem Bild aus den Frames per Second des analysierten Kamerastreams erkannt wird, wird es einer der vordefinierten Klassen zugeordnet.
Objektklassifizierung
Die erkannten Objekte werden also klassifiziert, um so die verschiedenen Fahrzeugtypen zuordnen zu können - bzw. die verschiedenen Arten von Verkehrsteilnehmern. Allgemein kann, abhängig von Gewicht, Achsen und anderen Merkmalen, die Software die auf den Kamerabildern erkannten Objekte einer der vorab trainierten Klassen zuordnen. Unser maschinelles Lernmodell liefert für jedes Objekt eine der von uns erkannten Objektklassen als Ausgabe.
Tracking des Objekts
Wo im Kamerabild wurde das Objekt ursprünglich erkannt und wohin hat es sich anschließend bewegt? Unsere Software erkennt dasselbe Objekt fortlaufend und kann so seine Bewegungsrichtung über mehrere Frames verfolgen. Die gesammelten Daten ermöglichen es Ihnen so, den genauen Weg eines Objekts zu visualisieren, zum Beispiel für die Erstellung von Heatmaps, oder auch die Analyse häufig genutzter Bereiche in einer Szene, sowie für die Planung strategischer Infrastrukturbedürfnisse.
Überqueren von Crossing Lines
Eine weitere Technologie, die in unserer Traffic Insights Lösung, bzw. bei der Verkehrszählung eingesetzt wird, ist die Counting Line (CL). Durch das manuelle Zeichnen einer virtuellen Linie direkt in unserem Swarm Control Center bieten wir die Möglichkeit, die Objekte zu quantifizieren, die eben genau diese virtuelle Linie überqueren. Wenn Objekte erfolgreich erkannt und getrackt werden, bis sie die CL erreichen, löst unsere Software ein Event aus und aktualisiert den Zähler für diese Linie dementsprechend und fortlaufend.
Technische Details
Bei der Verkehrszählung unterscheiden wir die folgenden Anwendungsfälle: Autobahn/Highway, Kreisverkehr, städtischer Verkehr und Landstraße. Wir messen die Genauigkeitswerte individuell für jede Szene. Auf diese Weise wird sichergestellt, dass jede neue Version unseres Modells nicht nur die Genauigkeit verbessert, sondern auch stabilere und genauere Messwerte liefert.
Unser Performance Lab ist wie eine echte Installation der realen Welt aufgebaut. Für jede Szene senden wir ein Testvideo von unserem Happytime RTSP-Server via Ethernet an alle unsere Geräte. Die folgenden Abschnitte bieten einen Überblick über zwei Szenen, bevor wir uns die Performance genauer anschauen.
Szenen
Bei der Messung der Leistung unserer Verkehrszählungslösung ist die Auswahl der Szenen von entscheidender Bedeutung. Wir wählen stets realistische Szenarien aus beispielsweise bestehenden Installationen sowie öffentlich verfügbaren Videomaterialien aus. Wir stellen sicher, dass die in unserem Testlabor ermittelten Genauigkeitswerte die Realität so gut wie möglich widerspiegeln. Das für die Leistungstests verwendete Videomaterial erfüllt deswegen alle in unserer Installations-Dokumentation festgelegten Anforderungen.
Autobahn/Highway
Szenenbeschreibung: Autobahn mit vier Fahrspuren
Aufgabe: Zählung der Pkw und Lastwagen in beiden Richtungen
Konditionen: Tageslicht
Kamerakonfiguration: 1280 × 720 Auflösung, Montage in 6 m Höhe, Distanz von 20 m
Objektgeschwindigkeit: 60-130 km/h
Objektanzahl: >900
Kreisverkehr
Szenenbeschreibung: Kreisverkehr mit vier Ausfahrten
Aufgabe: Zählung der Pkw und Lastwagen in acht Richtungen
Konditionen: Tageslicht
Kamerakonfiguration: 1280 × 720 Auflösung, Montage in 4 m Höhe, Distanz von 30 m
Objektgeschwindigkeit: 5-30 km/h
Objektanzahl: >100
Performance
Um besser nachvollziehen zu können, wie wir unsere Genauigkeitswerte interpretieren, haben wir einige technische Details zu unserer Lösung im entsprechenden Setup gegeben. Die detaillierte Berechnung unserer Genauigkeit sowie eine Erklärung unserer Testinstallation haben wir im folgenden Abschnitt dokumentiert:
pageWie messen wir die Performance?Wir erreichen bei unserer Verkehrszählung eine Genauigkeit von über 93,59%*.
*gilt für unsere Hauptklassen (person, rider, vehicle)
Grenzen in der Anwendung
Allgemein gesprochen gibt es mehrere Gründe, warum Verkehrszählsysteme keine Genauigkeit von 100% erreichen können. Diese Gründe lassen sich in verschiedene Kategorien (technologischer Natur, umweltbedingt oder softwareseitig) einteilen. Angesichts unserer technischen und und umweltbedingten Voraussetzungen, die in unserer Setup-Dokumentation festgehalten sind, haben wir folgende potentielle Gründe für Einschränkungen in der bereitgestellten Software festgestellt:
| Auftreten | Beispiel |
|---|---|
|
Last updated
