Járművek pályájának becslése gépi tanulás segítségével

OData támogatás
Konzulens:
Kundra László János
Automatizálási és Alkalmazott Informatikai Tanszék

Mielőtt egy test végig haladna teljes útján, azelőtt is jól meg tudjuk becsülni a pályáját, ha a rá ható erőket ismerjük. Azonban ha egy valóéletből vett problémáról van szó, mint például egy autó vagy hurrikán pályájának becslése, akkor rendszerint csak olyan információk állnak rendelkezésünkre, hogy a test a múltban hogyan mozgott. Viszont sokszor van információnk a korábban elhaladó objektumok útjáról. Ezt kihasználva rendszerint nem tévedünk nagyot azzal a feltevéssel, hogy az újonnan jövő objektumok pályája hasonlítani fog a korábban jött objektumok pályájára. Például ha már száz autó jobbra kanyarodott a jobb oldali sávból, vélhetően a 101. is jobbra fog kanyarodni ebből a sávból.

A feladatom egy olyan gépi tanuláson alapuló program fejlesztése volt, ami korábban elhaladó autók útjának ismerete alapján, képes megállapítani, hogy hol vannak az egyes sávokra jellemző trajektóriák, unsupervised machine learning algoritmus segítségével, illetve ezután újonnan jövő járművek trajektóriájáról képes megbecsülni, hogy az a jármű melyik sávban haladhatott el.

Az így elkészült alkalmazás forgalom számláló berendezés alapjait képezheti, illetve használható arra, hogy ha egy újonnan jövő jármű a pályájának elejét ismerjük, következtethetünk arra, hogy hogyan fog haladni a későbbiekben. A téma azért is érdekes, mert a dolgozatban ismertetett algoritmusok nem csak járművek pályáinak clusterezésére használható, hanem tetszőlegesen általánosíthatóak egyéb objektumok clusterezésére, például állatok ösvényinek, hurrikánok útjainak clusterezésére, sőt a piackutatásban is hasznosnak bizonyulhatnak.

Letölthető fájlok

A témához tartozó fájlokat csak bejelentkezett felhasználók tölthetik le.