Title
Detekcija promene sastava i geometrije puta obradom izmerenih parametara za potrebe kategorizacije putne infrastrukture
Creator
Slavković, Nikola, 1969-, 54625289
Copyright date
2020
Object Links
Select license
Autorstvo-Nekomercijalno 3.0 Srbija (CC BY-NC 3.0)
License description
Dozvoljavate umnožavanje, distribuciju i javno saopštavanje dela, i prerade, ako se navede ime autora na način odredjen od strane autora ili davaoca licence. Ova licenca ne dozvoljava komercijalnu upotrebu dela. Osnovni opis Licence: http://creativecommons.org/licenses/by-nc/3.0/rs/deed.sr_LATN Sadržaj ugovora u celini: http://creativecommons.org/licenses/by-nc/3.0/rs/legalcode.sr-Latn
Language
Serbian
Cobiss-ID
Theses Type
Doktorska disertacija
description
Datum odbrane: 17.06.2020.
Other responsibilities
mentor
Bjelica, Milan, 1977-, 12918119
član komisije
Simić-Pejović, Mirjana, 1973-, 22197863
član komisije
Čeperić, Vladimir, 1966-, 22201191
član komisije
Pejović, Predrag, 1983-, 14793319
član komisije
Gavrovska, Ana, 2825831
Academic Expertise
Tehničko-tehnološke nauke
University
Univerzitet u Beogradu
Faculty
Elektrotehnički fakultet
Alternative title
Detection of road structure composition and geometry changes by processing measured parameters, for the purpose of road network categorization
Publisher
[N. Slavković]
Format
104 str.
description
Telekomunikacije -Veštačka inteligencija / Telecommunications - Artificial intelligence
Abstract (sr)
U ovoj disertaciji razvijen je algoritam za predikciju rizika proklizavanja vozila, čime je omogućeno
mapiranje rizičnih zona duž putne infrastrukture. Predloženim algoritmom se realizuju automatska
detekcija i prepoznavanje finih promena sastava i geometrije putne površi. Ovo se zasniva na obradi
teksture slike dobijene skeniranjem puta, iz specijalnog vozila koje se kreće kolovoznom trakom duž
deonice putne mreže. Merni podaci prikupljeni su upotrebom multisenzorske platforme montirane na
vozilo.
Ovakav pristup analizi putne infrastrukture ima za cilj adekvatnu i blagovremenu reakciju na promene
stanja površi puta, koje nisu vidljive golim okom od strane direktnih učesnika u saobraćaju. Ovo je od
posebnog značaja i za potrebe službi koje se bave održavanjem puteva i sanacijom oštećenja.
Na osnovu eksperimentalnih rezultata i obradom izmerenih parametara, razvijen je i predstavljen
algoritam čiji je glavni cilj predviđanje rizika i lokalizacija regiona potencijalnih saobraćajnih nezgoda
koje mogu nastati kao posledica proklizavanja vozila sa putne površi.
U pogledu strukturnog kvaliteta, putna površ se najčešće opisuje svojom teksturom. Njena geomerijska
svojstva direktno utiču na druge činioce bezbednosti u saobraćaju, kao što su interakcija pneumatika sa
površinskim slojem puteva, odvođenje tj. drenaža vode i otpornost na proklizavanje. U osnovi razvoja
pomenutog algoritma urađene su analize jednodimenzionalnih i dvodimenzionalnih signala dobijenih
uređajima za beskontaktno skeniranje. Akvizicija jednodimenzionalnih signala vršena je na osnovu
interakcije koherentne svetlosti sa površinskim materijalima puta, upotrebom laserskog profilometra.
Dvodimenzionalni signal je dobijen upotrebom video-kamere kojom je snimana putna površ. Oba
dijagnostička pristupa realizovana su uređajima sa istog specijalnog vozila.
U ovoj disertaciji je najpre potvrđena multifraktalna priroda profila putne površi, čime je dokazana
mogućnost primene multifraktalnog pristupa u analizi teksture puta, koja se pokazala kao veoma pouzdan
alat za detekciju i lokalizaciju granulometrijskih promena na putnoj površi. Rezultati multifraktalne
analize su iskorišćeni kao potvrda stohastičke prirode jednodimenzionalnog signala, i pretpostavka da
dvodimenzionalni signal pripada sličnoj familiji slučajnih/pseudoslučajnih vremenskih serija.
Novi algoritam predikcije rizika, predložen u disertaciji, bazira se na obradi i analizi dvodimenzionalnog
signala. Obrada i analiza slike vršena je testiranjem četiri metode za ekstrakciju obeležja teksture:
Gaborovom transformacijom, transformacijom talasićima, matricom kopojavljivanja nivoa sivog i
obeležjima histograma ivica. Od svih navedenih metoda, primena Gaborove transformacije je pokazala
najbolje rezultate. Ekstrakcija vektora obeležja teksture praćena statističkim algoritmima za merenje
sličnosti vektora obeležja i selekcija referentnog vektora, dovela je do klasifikacije teksture slike. Sâm
algoritam je nadograđen inkorporiranjem istovremenih merenja temperature površine, kako bi se kreirala
i validirala finalna klasifikacija finih tekstura površine.
Put je klasifikovan u klase rizika visokog, srednjeg i niskog nivoa, u skladu sa opasnostima od
proklizavanja, što je omogućilo formiranje mape rizičnih zona. Algoritam predviđanja rizika je potvrđenna osnovu podataka o saobraćajnim nezgodama, koje su se desile u periodu od tri sukcesivne godine na
istoj deonici puta, pribavljenih iz baze Agencije za bezbednost drumskog saobraćaja Srbije.
Razvijeni algoritam omogućava predikciju lokacija rizičnih zona sa mapiranjem, koje upozoravaju na
potencijalne saobraćajne nezgode usled proklizavanja vozila. Može se koristiti kao podrška za
navigaciju, autonomnu vožnju, a moguće je unaprediti celu proceduru sa ciljem adekvatne reakcije u
realnom vremenu, putem globalne mreže (IoV - Internet of Vehicles), koja postaje sastavni deo tzv.
pametnih gradova (smart cities).
Ovakav pristup analizi putne površi će svakako, u svojoj daljoj primeni, rezultirati u smeru precizne i
objektivne klasifikacije i kategorizacije kompletne putne infrastrukture, a sve u pravcu povećanja
bezbednosti učesnika u saobraćaju, sa naročitim akcentom na rešenje problema predviđanja rizika na
putu za donošenje odluka pri autonomnoj vožnji.
Abstract (en)
This dissertation describes the development of an algorithm for predicting the risk of vehicle skidding
by mapping high-risk zones along road surfaces. The algorithm enables the automatic detection and
recognition of fine changes in the composition and geometry of road surfaces. It is based on image texture
processing of the metrics obtained from scanning the road surface using a vehicle-mounted multi-sensory
platform.
The objective of this algorithm is to provide the means to a real time response to invisible to the bare eye
changes in road surface conditions for the benefit of road maintenance and damage repair services, as
well as general motorists and autonomously driven vehicles. The algorithm will be capable of being used
to identify and assess the accident risk posed by inadequate and compromised road surfaces that
potentiate the possibility of vehicles skidding and sliding.
In terms of structural quality, road surface is most often described according to its texture. Its geometric
properties have a direct impact on other road safety factors, such as interaction with vehicle tires, water
drainage and skid resistance. The development of the algorithm was based on analysis of onedimensional and two-dimensional signals obtained by contactless scanning devices. The acquisition of
one-dimensional signals was performed with a laser profiler, and the two-dimensional signal was
obtained with a combination of a video camera and a surface temperature sensor. All diagnostic devices
were mounted on the same special vehicle.
For this research, the multifractal nature of the road surface profile was firstly confirmed, thus proving
the feasibility of applying a multifractal approach to analyze road texture. This has proven to be a very
reliable tool for detecting and locating real changes in the geometry of road surfaces. The results of
multifractal analysis were used to confirm the stochastic nature of the one-dimensional signal, and the
assumption that the two-dimensional signal belongs to a similar family of random / pseudorandom time
series. The new risk prediction algorithm proposed in this dissertation is based on processing and
analyzing a two-dimensional signal.
Image processing and analysis were tested by comparing four texture extraction methods: Gabor
transform, wavelet transform, gray level co-occurrence matrix and edge histogram descriptor. Of all the
above methods, the Gabor transform produced the best results. Texture feature vector extraction,
followed by statistical algorithms to measure feature vector similarity and reference vector selection, led
to the classification of the image texture. The algorithm itself has been upgraded by incorporating
simultaneous surface temperature measurements to create and validate the final classification of fine
surface textures. The road was classified into high, medium and low level risk areas according to skid
hazard, which enabled the formation of a map of risk zones. The algorithm for risk prediction was
validated on the basis of traffic accidents which occurred over three successive years on the same section
of road, information for which was obtained from the database of the Road Traffic Safety Agency of
Serbia.The algorithm that has been developed enables risk assessment mapping of dangerous locations. In this
way, potential traffic accident sites due to vehicle skidding can be flagged. It could be used as a support
for navigation or for autonomous driving. The entire procedure could be improved and updated by
integrating real time responses through the global network (Internet of Vehicles - IoV), to become an
integral part of so-called smart cities.
The approach to road surface analysis described in this research paper could potentially be applied to the
precise and objective classification and categorization of the entire road surface infrastructure. Road
safety could be increased, with particular emphasis on solving the risk prediction problems for decision
making for autonomous driving.
Authors Key words
tekstura površi, obrada slike, ekstrakcija obeležja, temperatura, algoritam za klasifikaciju,
analiza rizika, algoritam za predikciju rizika, autonomna vožnja, bezbednost saobraćaja
Authors Key words
surface texture, image processing, feature extraction, temperature, classification algorithm,
risk analysis, prediction algorithm, autonomous driving, road safety
Classification
621.397:004.89(043.3)
Type
Tekst
Abstract (sr)
U ovoj disertaciji razvijen je algoritam za predikciju rizika proklizavanja vozila, čime je omogućeno
mapiranje rizičnih zona duž putne infrastrukture. Predloženim algoritmom se realizuju automatska
detekcija i prepoznavanje finih promena sastava i geometrije putne površi. Ovo se zasniva na obradi
teksture slike dobijene skeniranjem puta, iz specijalnog vozila koje se kreće kolovoznom trakom duž
deonice putne mreže. Merni podaci prikupljeni su upotrebom multisenzorske platforme montirane na
vozilo.
Ovakav pristup analizi putne infrastrukture ima za cilj adekvatnu i blagovremenu reakciju na promene
stanja površi puta, koje nisu vidljive golim okom od strane direktnih učesnika u saobraćaju. Ovo je od
posebnog značaja i za potrebe službi koje se bave održavanjem puteva i sanacijom oštećenja.
Na osnovu eksperimentalnih rezultata i obradom izmerenih parametara, razvijen je i predstavljen
algoritam čiji je glavni cilj predviđanje rizika i lokalizacija regiona potencijalnih saobraćajnih nezgoda
koje mogu nastati kao posledica proklizavanja vozila sa putne površi.
U pogledu strukturnog kvaliteta, putna površ se najčešće opisuje svojom teksturom. Njena geomerijska
svojstva direktno utiču na druge činioce bezbednosti u saobraćaju, kao što su interakcija pneumatika sa
površinskim slojem puteva, odvođenje tj. drenaža vode i otpornost na proklizavanje. U osnovi razvoja
pomenutog algoritma urađene su analize jednodimenzionalnih i dvodimenzionalnih signala dobijenih
uređajima za beskontaktno skeniranje. Akvizicija jednodimenzionalnih signala vršena je na osnovu
interakcije koherentne svetlosti sa površinskim materijalima puta, upotrebom laserskog profilometra.
Dvodimenzionalni signal je dobijen upotrebom video-kamere kojom je snimana putna površ. Oba
dijagnostička pristupa realizovana su uređajima sa istog specijalnog vozila.
U ovoj disertaciji je najpre potvrđena multifraktalna priroda profila putne površi, čime je dokazana
mogućnost primene multifraktalnog pristupa u analizi teksture puta, koja se pokazala kao veoma pouzdan
alat za detekciju i lokalizaciju granulometrijskih promena na putnoj površi. Rezultati multifraktalne
analize su iskorišćeni kao potvrda stohastičke prirode jednodimenzionalnog signala, i pretpostavka da
dvodimenzionalni signal pripada sličnoj familiji slučajnih/pseudoslučajnih vremenskih serija.
Novi algoritam predikcije rizika, predložen u disertaciji, bazira se na obradi i analizi dvodimenzionalnog
signala. Obrada i analiza slike vršena je testiranjem četiri metode za ekstrakciju obeležja teksture:
Gaborovom transformacijom, transformacijom talasićima, matricom kopojavljivanja nivoa sivog i
obeležjima histograma ivica. Od svih navedenih metoda, primena Gaborove transformacije je pokazala
najbolje rezultate. Ekstrakcija vektora obeležja teksture praćena statističkim algoritmima za merenje
sličnosti vektora obeležja i selekcija referentnog vektora, dovela je do klasifikacije teksture slike. Sâm
algoritam je nadograđen inkorporiranjem istovremenih merenja temperature površine, kako bi se kreirala
i validirala finalna klasifikacija finih tekstura površine.
Put je klasifikovan u klase rizika visokog, srednjeg i niskog nivoa, u skladu sa opasnostima od
proklizavanja, što je omogućilo formiranje mape rizičnih zona. Algoritam predviđanja rizika je potvrđenna osnovu podataka o saobraćajnim nezgodama, koje su se desile u periodu od tri sukcesivne godine na
istoj deonici puta, pribavljenih iz baze Agencije za bezbednost drumskog saobraćaja Srbije.
Razvijeni algoritam omogućava predikciju lokacija rizičnih zona sa mapiranjem, koje upozoravaju na
potencijalne saobraćajne nezgode usled proklizavanja vozila. Može se koristiti kao podrška za
navigaciju, autonomnu vožnju, a moguće je unaprediti celu proceduru sa ciljem adekvatne reakcije u
realnom vremenu, putem globalne mreže (IoV - Internet of Vehicles), koja postaje sastavni deo tzv.
pametnih gradova (smart cities).
Ovakav pristup analizi putne površi će svakako, u svojoj daljoj primeni, rezultirati u smeru precizne i
objektivne klasifikacije i kategorizacije kompletne putne infrastrukture, a sve u pravcu povećanja
bezbednosti učesnika u saobraćaju, sa naročitim akcentom na rešenje problema predviđanja rizika na
putu za donošenje odluka pri autonomnoj vožnji.
“Data exchange” service offers individual users metadata transfer in several different formats. Citation formats are offered for transfers in texts as for the transfer into internet pages. Citation formats include permanent links that guarantee access to cited sources. For use are commonly structured metadata schemes : Dublin Core xml and ETUB-MS xml, local adaptation of international ETD-MS scheme intended for use in academic documents.