GIS és Távérzékelés a közlekedési adatnyerésben

Az előadások a következő témára: "GIS és Távérzékelés a közlekedési adatnyerésben"— Előadás másolata:

1 GIS és Távérzékelés a közlekedési adatnyerésben
Lovas Tamás Fotogrammetria és Térinformatika Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem Intelligens Közlekedési Rendszerek

2 Tartalom - Térinformatika
Adatnyerés Távérzékelési technológiák Légifényképezés Űrfelvételek Aktív szenzorok Hazai távérzékelési projektek Nemzetközi közlekedési, távérzékelési projekt Távérzékelt adatok a közlekedésben Adattárolás Adatelemzés Térinformatikai elemzések GPS adatok térképezése Adatmegjelenítés Tematikus térképek Intelligens Közlekedési Rendszerek

3 Intelligens Közlekedési Rendszerek
Intelligens Közlekedési Rendszerek

4 Adatnyerési eljárások
Földi felmérés Szög és távolságmérés, tahimetria GPS Távérzékelés Egyéb adatforrások Térképek Adatbázisok Intelligens Közlekedési Rendszerek

5 Intelligens Közlekedési Rendszerek
Távérzékelés fogalma Adatnyerés közvetlen fizikai kapcsolat nélkül Távérzékelés – Fotogrammetria Fernerkundung – Photogrammetrie Remote Sensing – Photogrammetry Airborne / spaceborne imagery Intelligens Közlekedési Rendszerek

6 Távérzékelés csoportosítás
Aktív-passzív szenzorok Optikai szenzorok; fotogrammetria, űrfelvételek Aktív szenzorok; RADAR, LiDAR Platformok Földi; közelfotogrammetria, földi lézerszkenner Légi; légifelvételek, aktív szenzorok Űr; űrfelvételek, aktív szenzorok Adatok Geometria; koordináták, alakok stb. Attribútumok; tulajdonságok, intenzitás stb. Intelligens Közlekedési Rendszerek

7 Intelligens Közlekedési Rendszerek
Fotogrammetria ISPRS: „a tárgyak helyének és alakjának fényképek alapján történő meghatározására szolgáló művészet és tudomány”. Termékek: mérőszámok, pl. pontok koordinátái rajzok, pl. térképek képek, pl. átalakított képek, mint az ortofotó. Intelligens Közlekedési Rendszerek

8 Intelligens Közlekedési Rendszerek
Fotogrammetria e/h Előnyök Nagy felbontás: cm Magas fokú tervezhetőség 3D koordináták Hátrányok Időjárás-függő Drága Relatíve bonyolult utófeldolgozás Szakember-igény Intelligens Közlekedési Rendszerek

9 Intelligens Közlekedési Rendszerek
Űrfelvételek Tematikus térképező holdak, multispektrális rendszerek: Landsat TM, Spot, IRS Nagyfelbontású űrfelvételek IKONOS QuickBIRD Intelligens Közlekedési Rendszerek

10 Intelligens Közlekedési Rendszerek
Űrfelvételek e/h Előnyök Jó felbontás: cm (autók, sávok…) Nagy területi lefedettség egy képpel (felesleges adatok…) Gazdag tematikus tartalom (ms képek) Hátrányok Időjárás-függő Drága Visszatérési idő Szakember-igény Intelligens Közlekedési Rendszerek

11 Űrfelvételek – multispektrális képek kiértékelésének alapelve
Intelligens Közlekedési Rendszerek

12 Intelligens Közlekedési Rendszerek
Radar Elektromágneses hullám; távolságmérés (idő), visszavert impulzus amplitúdója Doppler-hatás RAR, SAR, SLR, SRTM Intelligens Közlekedési Rendszerek

13 Intelligens Közlekedési Rendszerek
Radar Intelligens Közlekedési Rendszerek

14 Intelligens Közlekedési Rendszerek
Radar Intelligens Közlekedési Rendszerek

15 Intelligens Közlekedési Rendszerek
Radar e/h Előnyök Nagy adatgyűjtési terület Jó pontosság Időjárás-független Hátrányok Utófeldolgozás igénye Drága Szakember-igény Intelligens Közlekedési Rendszerek

16 Intelligens Közlekedési Rendszerek
LiDAR Komponensek: Hordozó GPS/INS Földi GPS állomás Szenzor Intelligens Közlekedési Rendszerek

17 Intelligens Közlekedési Rendszerek
LiDAR Lézerszkenner Légi: Optech, Toposys, LH systems Földi: Leica, Riegl Működési módok Forgó/oszcilláló tükrös Fix érzékelő-soros Intelligens Közlekedési Rendszerek

18 Intelligens Közlekedési Rendszerek
LiDAR Intelligens Közlekedési Rendszerek

19 Intelligens Közlekedési Rendszerek
LiDAR Intelligens Közlekedési Rendszerek

20 Intelligens Közlekedési Rendszerek
LiDAR e/h Előnyök Kiváló 3D pontosság Gyors adatnyerés és feldolgozás Adatfeldolgozás nem igényel szakembert Hátrányok Drága szenzor Tipikusan DEM/DSM generálásra használják; kiegészítő információk hiánya miatt nem helyettesíti a képi távérzékelési technikákat Intelligens Közlekedési Rendszerek

21 LiDAR – többszörös vissza-verődés
Intelligens Közlekedési Rendszerek

22 Intelligens Közlekedési Rendszerek
LiDAR - intenzitás Intelligens Közlekedési Rendszerek

23 Távérzékelés Magyarországon Űrfelvételek I.
Landsat TM, SPOT Teljes lefedettség Állandó frissítés Tematikus térképezés Növényzet állapot felmérés: NÖVMON Parcella-azonosítás: MePAR Intelligens Közlekedési Rendszerek

24 Távérzékelés Magyarországon Űrfelvételek II.
Kutatási célok Pilot projekt IKONOS képek alkalmazására a topográfiai térképek helyesbítésére Budapest, Hungary, Quickbird, DigitalGlobe Inc. Intelligens Közlekedési Rendszerek

25 Távérzékelés Magyarországon Projektek I.
CORINE program – Coordination of Information on the Environment, EU projekt: Környezeti információk gyűjtése 28 ország felszínborítottsági információk (méretarány: 1: , terület: 44 M km2) Landsat TM & SPOT képek 5 nagy csoport: mesterséges felszín, mezőgazdasági területek, erdészeti és fél-természetes területek, mocsarak és vizek Intelligens Közlekedési Rendszerek

26 Távérzékelés Magyarországon Projektek II.
Nemzeti termény monitoring és előrejelzés program: Magyar mezőgazdasági távérzékelési program [The Hungarian Agricultural Remote Sensing Program (HARSP)] 1980-ban indult Landsat, IRS-1C/1D, SPOT adatok [Operational crop monitoring and production forecasting program (CROPMON)] 1997-ben indult 9 megye (mezőgazdasági terület 54%-a); extrapolált adatok a többi területre Intelligens Közlekedési Rendszerek

27 Távérzékelés Magyarországon Projektek III.
K+F projekt az ERS-SAR radarképek alkalmazhatóságára Négy fő termés területi becslése egy mezőgazdasági teszt területen Időjárás-független radar (ERS SAR) adatok és optikai űrfelvételek (Landsat TM, IRS-1C) kombinációja 1997-re havonta ERS-SAR adatsor az ESA-tól (European Space Agency) ERS-SAR képekkel árvíz monitoring Intelligens Közlekedési Rendszerek

28 Távérzékelés Magyarországon Projektek IV.
EUROSTAT projekt Budapest agglomerációjának térképezésére Nagyfelbontású űrfelvételek (IRS-1C and COSMOS KVR-1000 78 település digitális kataszteri térképe A CORINE felszínborítottsági technológia kiterjesztése Intelligens Közlekedési Rendszerek

29 Közlekedési-távérzékelési projekt: NCRST
National Consortium for Remote Sensing in Transportation DOT, NASA, Amerikai egyetemek India, Kína, Magyarország, Németország (DLR) Intelligens Közlekedési Rendszerek

30 Közlekedési alkalmazás - LiDAR
90-es években felgyorsult fejlődés, elterjedés Szenzor árak Navigációs rendszerek pontossága Nagy mennyiségű minőségi adatok Automatizált feldolgozás; leszálláskor koordináták Főleg DEM/DSM előállítás, erdészet, város-modellezés Intelligens Közlekedési Rendszerek

31 Intelligens Közlekedési Rendszerek
Intelligens Közlekedési Rendszerek

32 Intelligens Közlekedési Rendszerek
LiDAR adatok Jellemzők 10-15 cm függőleges pontosság (1) 25-50 cm vízszintes pontosság pont/m2 Intenzitás adatok Kiegészítő információk hiányában a LiDAR nem lehet 100%-os alternatívája a képi adatnyerésnek Intelligens Közlekedési Rendszerek

33 Járművek szegmentálása
Küszöbölés (Thresholding) Élkeresés (Edge detection) Intelligens Közlekedési Rendszerek

34 Intelligens Közlekedési Rendszerek
Járművek modellezése 4 - 6 paraméter 4 magassági érték, hosszúság, szélesség Intelligens Közlekedési Rendszerek

35 Főkomponens analízis (Principal Component Analysis – PCA)
A PCA segítségével összefüggő változókat lehet egymástól független változókba (főkomponensekbe) transzformálni. Cél az adathalmaz dimenziójának csökkentése (megjelenítés, számolás) Itt az input mátrix: kovariancia mátrix Intelligens Közlekedési Rendszerek

36 Intelligens Közlekedési Rendszerek
PCA - input adatok Input mátrix Kovariancia mátrix Intelligens Közlekedési Rendszerek

37 Intelligens Közlekedési Rendszerek
PCA - számítás Sajátértékek, sajátvektorok Információtartalom Intelligens Közlekedési Rendszerek

38 Intelligens Közlekedési Rendszerek
PCA - transzformáció Főkomponens transzformáció Output=Sajátvektorok mátrixa * Input = * Intelligens Közlekedési Rendszerek

39 Intelligens Közlekedési Rendszerek
Jármű osztályozás 6 paraméter 4 paraméter Intelligens Közlekedési Rendszerek

40 Intelligens Közlekedési Rendszerek
Alak modellezés Jármű profilok, mint új input adatok a PCA-hoz Profil meghatározás szempontjai Pontsűrűség Hossztengely menti felbontás Hibaszűrés Profil simítás Intelligens Közlekedési Rendszerek

41 Intelligens Közlekedési Rendszerek
Profilok Személyautó MPV kamion Intelligens Közlekedési Rendszerek

42 Intelligens Közlekedési Rendszerek
Profil-simítás Intelligens Közlekedési Rendszerek

43 Intelligens Közlekedési Rendszerek
Profil hibák Durva hibák Jármű oldaláról visszaverődött pontok Többutas terjedés Utófeldolgozási hibák Intelligens Közlekedési Rendszerek

44 Intelligens Közlekedési Rendszerek
Profil korrekció Jó korrekció Hibás korrekció Intelligens Közlekedési Rendszerek

45 Profil alapú osztályozás
Intelligens Közlekedési Rendszerek

46 Intelligens Közlekedési Rendszerek
Jármű osztályozás 6 paraméter 4 paraméter Intelligens Közlekedési Rendszerek

47 Osztályozási módszerek
Szabály-alapú osztályozó Legrövidebb távolság módszere Neurális hálózat alapú osztályozó Módszerek összehasonlítása Intelligens Közlekedési Rendszerek

48 Jármű felismerés Szabály-alapú osztályozó
Intelligens Közlekedési Rendszerek

49 Jármű felismerés Szabály-alapú osztályozó
‘A’ egyenes: ‘C’ egyenes: Szabály az osztályra (repülés irányában haladó személyautó): Intelligens Közlekedési Rendszerek

50 Jármű felismerés Legrövidebb távolság módszere
Intelligens Közlekedési Rendszerek

51 Jármű felismerés Neurális hálózat
3-4-1-es szerkezet 1. 2. 3. Intelligens Közlekedési Rendszerek

52 Eredmények Hibák száma a repülési irány figyelembe vétele nélkül
Adatsor (járművek száma) Szabály-alapú Legrövidebb távolság Neurális hálózat Ohio (72 jármű) 0 (0 %) 8 (11.1 %) 2 (2.8 %) Ohio + Michigan (87) 2 (2.3 %) 12 (13.8 %) 8 (9.2 %) Ohio + Michigan + Ontario (102) 2 (2 %) 17 (16.7 %) 16 (15.7 %) Hibásan osztályozott járművek (százalék) Adatsor (járművek száma) Szabály-alapú Legrövidebb távolság Neurális hálózat Ohio (72 jármű) 0 (0 %) 4 (5.6 %) 2 (2.8 %) Ohio + Michigan (87) 2 (2.3 %) 8 (9.2 %) Ohio + Michigan + Ontario (102) 10 (9.8 %) 14 (13.7 %)  Hibák száma a repülési irány figyelembe vétele nélkül Intelligens Közlekedési Rendszerek

53 Osztályozás finomítása földi lézerszkennelés
Főbb különbségek a légi alkalmazáshoz képest Pontsűrűség Pontosság Platform (statikus) Felhasználási terület Intelligens Közlekedési Rendszerek

54 Osztályozás finomítása
Intelligens Közlekedési Rendszerek

55 Osztályozás finomítása
Intelligens Közlekedési Rendszerek

56 Osztályozás finomítása
Intelligens Közlekedési Rendszerek

57 Sebességbecslés – elméleti alapok
Forgalom nagysága Járműfolyam intenzitása Intelligens Közlekedési Rendszerek

58 Sebességbecslés - adatfúzió
Intelligens Közlekedési Rendszerek

59 Forgalomszámlálás - UAV
Intelligens Közlekedési Rendszerek

60 Egyéb távérzékelési módszerek a közlekedési adatnyerésben
LiDAR – snapshot Dinamikus információk: digitális kamera +IR kamera Intelligens Közlekedési Rendszerek

61 Közlekedési alkalmazások
Osztályozás (járművek kategorizálása) Járműszámlálás Sebességbecslés Vészhelyzet és torlódás monitoring Intelligens Közlekedési Rendszerek

62 Távérzékelési technológiák összehasonlítása
Szenzor LiDAR Digitális kamera Platform Repülő Helikopter Műhold Általános tulajdonságok Területi lefedettség Jó Korlátozott Kitűnő Időbeni lefedettség Gyenge Számítás Járművek leválogatása Egyszerű Nehéz Járművek osztályozása Lehetséges Járművek követése Nem lehetséges Sebességbecslés Flow-paraméterek meghatározása Intelligens Közlekedési Rendszerek

63 GIS - közlekedésbiztonság
Közlekedési adatok tematikus térképezése Közlekedési szabályok Vészhelyzet térképezés Útviszonyok Időjárási viszonyok (ábra: Balaton környéki jeges utak) Intelligens Közlekedési Rendszerek

64 GIS - közlekedésbiztonság
Közlekedési korlátozások térképezése Súlykorlátozás Sebességkorlátozás Időtartam-korlátozás Stb. Intelligens Közlekedési Rendszerek

65 GIS - közlekedésbiztonság
Veszélyes helyek térképezése Intelligens Közlekedési Rendszerek

66 GIS – GPS: adatok feldolgozása
Pontok koordinátái, idő: φ, λ, h, t, Transzformáció (EOV): X, Y, Z, Levezetett adatok: sebesség, gyorsulás, oldalgyorsulás stb. Intelligens Közlekedési Rendszerek

67 Intelligens Közlekedési Rendszerek
GIS – GPS: útvonal Intelligens Közlekedési Rendszerek

68 Intelligens Közlekedési Rendszerek
GIS – GPS: elemzés Intelligens Közlekedési Rendszerek

69 GIS – GPS: mérés városi környezetben
Intelligens Közlekedési Rendszerek

70 GIS – GPS: „kanyon effektus”
Intelligens Közlekedési Rendszerek

71 GIS – GPS pontosság, műholdak száma
Intelligens Közlekedési Rendszerek

72 GIS – GPS eltérő irányban lévő műholdak
Intelligens Közlekedési Rendszerek

73 GIS – GPS azonos útszakasz, más időpont
Intelligens Közlekedési Rendszerek

74 GIS – Fotogrammetria: városmodell
Intelligens Közlekedési Rendszerek

75 GIS – GPS: műhold árnyékolás
Intelligens Közlekedési Rendszerek

76 GIS – Járműdinamikai szenzorok
Haszonjármű; MAN F2000 Szenzorok GPS Járműdinamikai szenzorok ABS, ESP, ASR, EBD… Fékek, motor-paraméterek, gázpedál-állás… Célok költségek csökkentése (üzemanyag, abroncsok, fékek stb.) Biztonság növelése Intelligens Közlekedési Rendszerek

77 GIS – Járműdinamikai szenzorok magassági térkép
Intelligens Közlekedési Rendszerek

78 GIS – Járműdinamikai szenzorok lejtéstérkép
Intelligens Közlekedési Rendszerek

79 GIS – Járműdinamikai szenzorok sebességtérkép
Intelligens Közlekedési Rendszerek

80 GIS – Járműdinamikai szenzorok gyorsulási térkép
Intelligens Közlekedési Rendszerek

81 GIS – Járműdinamikai szenzorok sofőr vezetési stílusa
Intelligens Közlekedési Rendszerek

82 GIS – Járműdinamikai szenzorok nyomaték-térkép
Intelligens Közlekedési Rendszerek

83 Intelligens Közlekedési Rendszerek
Összefoglalás Távérzékelési technológiákkal nagy mennyiségű, pontos közlekedési adat gyűjthető Az adatokat térinformációs rendszerben feldolgozva új információkat vezethetünk le, az eredményeket szemléletesen ábrázolhatjuk Újabb szenzorokkal és több adatgyűjtési technológia kombinálásával egyre több terület nyílhat meg a távérzékelés előtt Intelligens Közlekedési Rendszerek

84 Intelligens Közlekedési Rendszerek
Köszönöm a figyelmet! Lovas Tamás Intelligens Közlekedési Rendszerek