dc.contributor.author | Χριστόπουλος, Παναγιώτης - Δημήτριος | el |
dc.contributor.author | Christopoulos, Panagiotis - Dimitrios | en |
dc.date.accessioned | 2021-03-29T20:40:43Z | |
dc.date.available | 2021-03-29T20:40:43Z | |
dc.identifier.uri | https://dspace.lib.ntua.gr/xmlui/handle/123456789/53177 | |
dc.identifier.uri | http://dx.doi.org/10.26240/heal.ntua.20875 | |
dc.rights | Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/gr/ | * |
dc.subject | Ανίχνευση κατηγορίας | el |
dc.subject | Κυκλοφοριακή ουρά | el |
dc.subject | Υπολογιστική όραση | el |
dc.subject | Βαθιά μάθηση | el |
dc.subject | Μεταφορά μάθησης | el |
dc.subject | Class detection | en |
dc.subject | Traffic queue | en |
dc.subject | Computer vision | en |
dc.subject | Deep learning | en |
dc.subject | Transfer learning | en |
dc.title | Ανίχνευση κυκλοφοριακών ουρών σε προσβάσεις σηματοδοτούμενου κόμβου με χρήση αλγορίθμων υπολογιστικής όρασης | el |
dc.title | Traffic queue detection at signalized junctions using computer vision algorithms | en |
heal.type | bachelorThesis | |
heal.classification | Κυκλοφοριακή τεχνική | el |
heal.classification | Traffic engineering | en |
heal.language | el | |
heal.access | free | |
heal.recordProvider | ntua | el |
heal.publicationDate | 2021-03-18 | |
heal.abstract | Τα τελευταία χρόνια, η μετάβαση από τις κλασσικές μεθόδους στις σύγχρονες τεχνολογίες έχει επιτρέψει την ακριβέστερη ανάλυση κυκλοφοριακών φαινομένων και, ταυτόχρονα, την αντιμετώπιση κυκλοφοριακών προβλημάτων. Στόχο της παρούσας Διπλωματικής Εργασίας αποτελεί η δημιουργία ενός αλγόριθμου υπολογιστικής όρασης, ο οποίος θα πραγματοποιεί ανίχνευση κυκλοφοριακών ουρών σε προσβάσεις σηματοδοτούμενων κόμβων, και κατηγοριοποίησή τους ανάλογα με το είδος τους, με σκοπό την αντιμετώπιση κυκλοφοριακών συμφορήσεων. Τα δεδομένα για την εκπαίδευση του αλγόριθμου ελήφθησαν από πείραμα βιντεοσκόπησης και καταγραφής της κυκλοφορίας οχημάτων, με χρήση ΣμηΕΑ σε κεντρικούς οδικούς άξονες της Αθήνας. Για τη διαμόρφωση του τελικού αλγόριθμου, τα δεδομένα υπέστησαν επεξεργασία και επισημάνθηκαν βάσει εμφάνισης ή μη ουρών πέντε διαφορετικών κατηγοριών, και στη συνέχεια εκπαιδεύτηκε μοντέλο συνελικτικού νευρωνικού δικτύου βαθιάς μάθησης. Ο αλγόριθμος που αναπτύχθηκε έχει τη δυνατότητα να πραγματοποιεί αξιόλογες ποσοστιαίες προβλέψεις κατηγοριοποίησης των σχηματιζόμενων ουρών, και δύναται να χρησιμοποιηθεί, με μικρή τροποποίηση, σε μεθοδολογίες μεταφοράς μάθησης. Η περαιτέρω αξιολόγηση της ποιότητας των αποτελεσμάτων, κατέδειξε την ανάγκη για συμπληρωματική εκπαίδευση του αλγόριθμου με τη χρήση δείγματος διαφορετικών δεδομένων μικτών συνθηκών, με σκοπό την ανίχνευση ουρών σε πραγματικούς χρόνους. | el |
heal.abstract | In recent years, the transition from traditional methods to modern technologies has provided a more accurate way of analyzing traffic conditions and addressing traffic issues. The objective of this Diploma Thesis is to propose a computer vision algorithm for the detection of traffic queues at signalized junctions and their classification, in order to deal with traffic congestions. The data for the training of the algorithm were sourced from a study that was conducted for the recording of the traffic in an extended part of the downtown Athens area, with the use of a swarm of UAVs. For the configuration of the algorithm, the data were processed and labelled based on the appearance or non-appearance of five different queue classes, and subsequently a deep convolutional neural network model was trained. The developed algorithm is able to make reliable percentage classification predictions of the formed queues, and can be used for transfer learning, with slight adjustments. The evaluation of the quality of the results indicate the need for supplementary training of the algorithm for the real-time queue detection, using a sample of different mixed conditions data. | en |
heal.advisorName | Βλαχογιάννη, Ελένη | el |
heal.committeeMemberName | Βλαχογιάννη, Ελένη | el |
heal.committeeMemberName | Γιαννής, Γιώργος | el |
heal.committeeMemberName | Κεπαπτσόγλου, Κωνσταντίνος | el |
heal.academicPublisher | Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Πολιτικών Μηχανικών. Τομέας Μεταφορών και Συγκοινωνιακής Υποδομής | el |
heal.academicPublisherID | ntua | |
heal.numberOfPages | 78 σ. | el |
heal.fullTextAvailability | false |
The following license files are associated with this item: