AHOLI GEOLOKATSIYALI MUROJAATLARINING VIDEO TAHLILI ASOSIDA TRANSPORT TIRBANDLIGINI ANIQLASH MATEMATIK MODELI VA ALGORITMLARI
Article Sidebar
Main Article Content
Аннотация:
Mazkur ilmiy maqolada shahar infratuzilmasida transport tirbandligini avtomatik aniqlash masalasi geolokatsiyali video ma’lumotlar asosida tadqiq etiladi. Tadqiqotning asosiy maqsadi - aholi murojaatlari va shahar kuzatuv kameralaridan olinadigan video oqimlar yordamida transport vositalarini aniqlash, ularni vaqt bo‘yicha kuzatish hamda harakat tezligi va zichlik ko‘rsatkichlari asosida tirbandlik holatini baholovchi matematik va algoritmik model ishlab chiqishdan iborat. Taklif etilgan yondashuv kompyuter ko‘rish va sun’iy intellekt texnologiyalariga asoslanib, real vaqt rejimida ishlash imkoniyatiga ega bo‘lgan transport monitoring tizimini shakllantiradi. Tadqiqotda obyektlarni aniqlash, kuzatish va tezlikni baholash bosqichlari yagona tizimga integratsiya qilinib, tirbandlikni aniqlash uchun qoidaviy matematik model qo‘llanildi. Eksperimental natijalar ishlab chiqilgan modelning real vaqt sharoitida barqaror ishlashini hamda Smart City infratuzilmasida transport oqimini monitoring qilish va boshqarish samaradorligini oshirish imkoniyatiga ega ekanligini ko‘rsatdi.
Article Details
Как цитировать:
Библиографические ссылки:
Bradski G. Learning OpenCV. O’Reilly, 2008.
Redmon J. et al. YOLO: Unified, Real-Time Object Detection. CVPR, 2016.
Bochkovskiy A. et al. YOLOv4. arXiv, 2020.
Bewley A. et al. SORT: Simple Online and Realtime Tracking. ICIP, 2016.
Liu W. et al. SSD: Single Shot MultiBox Detector. ECCV, 2016.
Szeliski R. Computer Vision: Algorithms and Applications. Springer, 2010.
Zhang Y. et al. Traffic congestion detection based on video analysis. IEEE ITS, 2018.
Chen X. et al. Vehicle detection in urban traffic scenes. Sensors, 2019.
Goodfellow I. et al. Deep Learning. MIT Press, 2016.
OpenCV Documentation, 2023.
Ultralytics YOLOv8 Documentation, 2024.
Wang H. et al. Smart City traffic monitoring. Future Generation Computer Systems, 2020.
Li Q. et al. Vision-based traffic flow analysis. Pattern Recognition, 2017.
IEEE Intelligent Transportation Systems Society Reports, 2022.
OECD. Smart Cities and Infrastructure, 2021.