تحلیل و ارزیابی روش تعیین عملکرد ماشین خودران در تقاطع‌ها در شرایط چراغ زرد با استفاده از هوش مصنوعی

نویسندگان

1 دانشیار، دانشکده مهندسی عمران، دانشگاه علم و صنعت ایران، تهران، ایران

2 دانشجوی دکتری، دانشکده مهندسی عمران، دانشگاه علم و صنعت ایران، تهران، ایران

3 استاد دانشکده مهندسی عمران، دانشگاه علم و صنعت ایران، تهران، ایران

4 دانشجوی دکتری، دانشکده مهندسی عمران، دانشگاه علم و صنعت ایران، تهران، ایران

doi
10.22034/tri.2024.419174.3195
چکیده

هدف اصلی این پژوهش، پیاده‌سازی یک سیستم هوش‌مصنوعی بر پایه یادگیری‌عمیق برای تشخیص و تعیین فاصله‌ی چراغ‌های راهنمایی تا خودروی خودران و عملکرد مناسب خودرو در شرایط زرد چراغ می‌باشد. نوآوری این پژوهش استفاده از مجموعه‌داده شهر تهران و پیاده‌سازی مدلی با دقت بیشتر از مدل‌های ساخته‌شده در مطالعات پیشین و همچنین استفاده از یک دوربین برای تشخیص فاصله خودرو تا چراغ‌راهنمایی می‌باشد. برای پیاده‌سازی مدل از مجموعه‌داده مختص چراغ‌های شهر تهران استفاده گردیده که مدل در چارچوب کتابخانه Tensorflow عمل می‌کند. برای ارزیابی عملکرد مدل در شرایط مختلف از جمله عرض تقاطع و سرعت وسیله نقلیه از تصاویر بخش آموزش استفاده شد که خودرو را قادر می سازد تا با استفاده از چهار سناریوی مطرح شده در این پژوهش تصمیم به عبور از تقاطع یا توقف در تقاطع بگیرد. تحلیل نتایج مدل با بررسی خروجی مدل همچون درستی، دقت، یادآوری، امتیاز F1 و سرعت مدل‌ها با نتایج مطالعات گذشته ارزیابی شده و نشان داد نتایج صحیح بوده و نسبت به مدل‌های موجود از دقت بالاتری برخوردار می باشد. همچنین مدل برتر ارائه شده در این پژوهش، دارای دقتی برابر 96 و درستی برابر با 98 درصد می‌باشد. این سیستم بر اساس داده‌های چراغ‌راهنمایی شهر تهران قادر است با خطای کمتر از یک درصد(8/0 درصد) فاصله‌ی خودرو تا چراغ‌راهنمایی را محاسبه کند که نشان دهنده دقت بالای مدل می‌باشد که می‌تواند یک عملکرد مناسب را در شرایط زرد چراغ ارائه دهد. از این مدل می‌توان به عنوان جایگزین انسان در تشخیص چراغ‌راهنمایی در خودروهای خودران در حالت زرد چراغ استفاده نمود