本研究では、Jetson Nano、Jetson Xavier NX、Jetson Xavier AGXといった軽量エッジデバイスにおいて、移動カメラ映像からリアルタイムに交通流を推定するための新しい手法とフレームワークを提案しています。3つのエッジデバイスについて、入力ネットワークサイズと映像フレームレートを変え、裾野市の交通センサデータ（警察設置）を用いて評価した結果、73.1%から80.8%の範囲の推定精度を達成することができました。ダッシュカムやステレオカムなどの車載移動カメラの普及、安価なエッジデバイス、クラウドソーシングの容易さなどから、本リアルタイム交通流推定アルゴリズムの将来性は非常に高いと考えられます。
This research proposes a novel methodology and framework for estimating traffic flow from moving camera videos in real-time on lightweight edge devices such as Jetson Nano, Jetson Xavier NX, and Jetson Xavier AGX. The obtained results are evaluated using ground truth traffic police sensor data in Susono city for various combinations of input network size and video frame rate and achieves a traffic flow reconstruction accuracy from ranging from 73.1% to 80.8% for the three edge devices. With the proliferation of moving cameras in vehicles (dash cams, stereo cams, etc.), inexpensive edge devices, and ease of crowdsourcing, we expect our real-time traffic flow estimation algorithm to have a very promising future.
【論文情報】
Kumar, A., Kashiyama, T., Maeda, H., Omata, H., & Sekimoto, Y. (2022). Real-time citywide reconstruction of traffic flow from moving cameras on lightweight edge devices. ISPRS Journal of Photogrammetry and Remote Sensing, 192, 115-129. DOI: https://doi.org/10.1016/j.isprsjprs.2022.07.022 (Impact factor in 2022: 11.774)
図：本研究で開発したモデルの概要
Figure: Framework of proposed model.
