在青海西藏高原使用HRTNet轻量级的端到端交通拥堵检测框架
Yuhao Zhang1, Qiuhong Tong2, Zhaorong Zhang1
1School of Automobile, Chang'an University, Xi'an, China.
Scientific reports
|August 4, 2025
概括
我们开发了HRTNet,这是一个实时模型,用于在恶劣的高原条件下监测交通拥堵,改善在雨中检测车辆. 该系统支持在具有挑战性的路线上进行智能交通管理.
科学领域:
- 智能运输系统 智能运输系统
- 计算机视觉 计算机视觉
- 环境监测 环境监测
背景情况:
- 高原地区的交通管理因极端天气和地形而面临挑战.
- 现有的方法与雨引起的图像扭曲作斗争,影响拥堵检测的准确性.
研究的目的:
- 提出HRTNet,一个轻量级的,实时的,端到端的模型,用于有效监控交通拥堵.
- 引入 RainyRoad-Plateau数据集 (RRPD) 用于评估在高海拔,雨天条件下的性能.
主要方法:
- HRTNet采用了一种新的设计,以减轻雨纹并提高车辆的可见性.
- 开发和利用RRPD数据集 (3750张图像) 用于专门的测试.
- 使用标准基准 (COCO val2017) 和定制RRPD数据集进行性能评估.
主要成果:
- 在COCO val2017和134FPS上,HRTNet实现了46.8%的平均精度.
- 在RRPD数据集上,HRTNet以50.5%的精度显示出卓越的性能,超过RT-DETR-r18的9.2%.
- 在雨季高原上成功部署实时交通拥堵监控.
结论:
- HRTNet提供了一个强大的解决方案,用于在具有挑战性的高原环境中检测交通拥堵.
- 该模型为智能交通管理系统提供关键数据,包括动态警告和自适应信号控制.
- 该方法可适应在其他不利环境条件下的交通监控.
