Uuringu detailvaade

Number s2019-3
Pealkiri Reaalajalähedane ristmike kinnisõitmiste ennustamine kasutades konvolutsioonilisi närvivõrke (Near real-time intersection congestion prediction using convolutional neural networks).
Kokkuvõte Töö põhieesmärgiks oli arendada süsteem, mis ennustab ristmiku kinnisõitmisi ette peaaegu reaalajas. Ennustamiseks kasutatakse konvolutsioonilisi närvivõrke, kuhu antakse sisendiks ristmikul olevast kaamera voogedastusest välja lõigatud pilt. Kui mudel ennustab ristmiku kinnisõitmist, siis saadetakse signaal ristmiku foorikontrollerile, mis omakorda paneb koheselt rohelise tule vilkuma. See peaks vähendama liiklusummikuid, sest roheline tuli ei lähe teiselt suunalt tulevatel autodel raisku. See töö keskendub eelkõige Sõpruse-Tammsaare ristmikule. Eelnevalt on Epp Mauring enda bakalaureusetöö raames arendanud närvivõrgu mudeli antud probleemi lahendamiseks kasutades TensorFlow raamistikku. Antud töö raames vahetati raamistikku ja lõplik mudel treeniti PyTorch raamistikuga. Kuna Tondi ristmik ehitati kahe töö vahel ümber, oli vaja ka uuesti koguda treening- ja testandmestik mudeli treenimiseks. Mudeli ennustamise aega suurendati neljalt sekundilt kümne sekundini. Samuti täiendati närvivõrgu arhitektuuri, mille tulemusena paranes ka mudeli täpsus. Lõplikuks täpsuseks saavutati 83%. Töö raames töötati välja ka süsteemi riistvaraline pool. Mudeli käivitamiseks valiti välja Raspberry Pi 3 B+, sest see on suhteliselt odav, kuid suudab korraga paralleelselt jooksutada mitmeid programme. Kahjuks süsteemi ristmikule siiski ei olnud võimalik paigaldada ja seetõttu ei olnud võimalik seda reaalajas testida. Lõputöö on kirjutatud inglise keeles ning sisaldab teksti 52 leheküljel, 6 peatükki, 26 joonist, 7 tabelit.
Valdkond Transport
Stipendiaat Sander Aasaväli
Kõrgkool Tallinna Tehnikaülikooli infotehnoloogia teaduskond
Juhendajad Martin Rebane
Valmimisaeg 2019
Failid