Estimation du débit de circulation à partir des images de caméras de circulation : vers des flux de données sur la circulation en temps réel / par James Eckert et Ala'a Al-Habashna. : CS18-001/2022-1F-PDF

« L'estimation du début de circulation dans les grands centres urbains demeure un défi pour des raisons d'ordre à la fois pratique et technique. Dans le présent article, nous proposons un système de vision par ordinateur qui permet d'extraire de façon périodique des comptes de véhicules des images des caméras de circulation au Canada. Nous avons commencé par passer en revue les programmes de caméras de circulation existants au Canada. Par la suite, nous avons mis au point un prototype de système pour recueillir des images de trois secteurs de compétence dotés de caméras de circulation au moyen d'interfaces de programmation d'applications (API). Le système a permis de détecter différentes classes de véhicules à partir de ces images. La capacité de détection d'objets du système est fondée sur le modèle de détection d'objets de source ouverte You Only Look Once, version 3 (YOLOv3), qui a été entraîné au moyen de l'ensemble de données Common Objects in Context (COCO). Le système de traitement extrait des images statiques à des intervalles de haute fréquence à partir des API des caméras de circulation et génère des comptes en temps réel des véhicules détectés (voitures, autobus, motocyclettes, etc.). Enfin, nous avons mis en œuvre et évalué différentes méthodes pour estimer les débits de circulation à partir de ces comptes et, après avoir analysé les données de sortie, nous avons constaté qu'il est possible d'en tirer des tendances claires de la circulation, de sorte qu'il serait avantageux d'élargir le système pour en faire un programme statistique de données sur la mobilité en temps réel à grande échelle » -- Résumé, page 7.

Lien permanent pour cette publication :
publications.gc.ca/pub?id=9.914434&sl=1

• Format MARC XML
• Format MARC HTML

Demander des formats alternatifs