Abstract
Die zahlreichen Webcams der ASFiNAG stellen eine wertvolle Datenquelle für die Generierung von Verkehrslageinformation dar, deren Potential bestenfalls nur ansatzweise genutzt wird. In diesem Projekt werden direkt aus den Webcam Videos der ASFiNAG Fahrzeuge in Echtzeit gezählt und Fahrzeug-Trajektorien generiert. Zum Zweck der Reisezeit Bestimmung werden einzelne Fahrzeuge - vollständig anonymisiert - über mehrere Kameras hinweg wiedererkannt. Für die visuelle Analyse werden neue vielversprechende Deep Learning Methoden eingesetzt, um Fahrzeuge zur detektieren und deren visuelle Signaturen zu generieren und zu vergleichen. Die Projekt-Schnittstellen werden in Koordination mit der ASFINAG umgesetzt, mit dem Ergebnis eines lauffähigen Demonstrators und eines embedded Demonstrator Boards. Es wird ein repräsentativer Datensatz offline evaluiert und statistisch hinsichtlich Laufzeit Performance und Detektionsqualität ausgewertet.
Originalsprache | deutsch |
---|---|
Erscheinungsort | Wien |
Verlag | Bundesministerium für Verkehr, Innovation und Technologie Abteilung Mobilitäts- und Verkehrstechnologien |
Auftraggeber | Österreichische Forschungsförderungsgesellschaft |
Seitenumfang | 45 |
Publikationsstatus | Veröffentlicht - 3 Nov. 2021 |
Schlagwörter
- Verkehrszählung
- Edge Computing
- Detektion und Tracking
ASJC Scopus subject areas
- Ingenieurwesen (insg.)
Fields of Expertise
- Sustainable Systems