Az előadás letöltése folymat van. Kérjük, várjon

Az előadás letöltése folymat van. Kérjük, várjon

2014. 09. 18.Intelligens Közlekedési Rendszerek GIS és Távérzékelés a közlekedési adatnyerésben Lovas Tamás Fotogrammetria és Térinformatika Tanszék Budapesti.

Hasonló előadás


Az előadások a következő témára: "2014. 09. 18.Intelligens Közlekedési Rendszerek GIS és Távérzékelés a közlekedési adatnyerésben Lovas Tamás Fotogrammetria és Térinformatika Tanszék Budapesti."— Előadás másolata:

1

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

3 Intelligens Közlekedési Rendszerek 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

4 Intelligens Közlekedési Rendszerek

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

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

7 Intelligens Közlekedési Rendszerek 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.

8 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.

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

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

11 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

12 Intelligens Közlekedési Rendszerek Űrfelvételek – multispektrális képek kiértékelésének alapelve

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

14 Intelligens Közlekedési Rendszerek Radar

15 Intelligens Közlekedési Rendszerek Radar

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

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

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

19 Intelligens Közlekedési Rendszerek LiDAR

20 Intelligens Közlekedési Rendszerek LiDAR

21 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

22 Intelligens Közlekedési Rendszerek LiDAR – többszörös vissza-verődés

23 Intelligens Közlekedési Rendszerek LiDAR - intenzitás

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

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

26 Intelligens Közlekedési Rendszerek 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 km 2 ) Landsat TM & SPOT képek 5 nagy csoport: mesterséges felszín, mezőgazdasági területek, erdészeti és fél-természetes területek, mocsarak és vizek

27 Intelligens Közlekedési Rendszerek 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

28 Intelligens Közlekedési Rendszerek 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

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

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

31 Intelligens Közlekedési Rendszerek 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

32 Intelligens Közlekedési Rendszerek

33 Intelligens Közlekedési Rendszerek LiDAR adatok Jellemzők cm függőleges pontosság (1  ) cm vízszintes pontosság pont/m 2 Intenzitás adatok Kiegészítő információk hiányában a LiDAR nem lehet 100%-os alternatívája a képi adatnyerésnek

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

35 Intelligens Közlekedési Rendszerek Járművek modellezése paraméter 4 magassági érték, hosszúság, szélesség

36 Intelligens Közlekedési Rendszerek 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

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

38 Intelligens Közlekedési Rendszerek PCA - számítás Sajátértékek, sajátvektorok Információtartalom

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

40 Intelligens Közlekedési Rendszerek Jármű osztályozás 6 paraméter4 paraméter

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

42 Intelligens Közlekedési Rendszerek Profilok Személyautó kamion MPV

43 Intelligens Közlekedési Rendszerek Profil-simítás

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

45 Intelligens Közlekedési Rendszerek Profil korrekció Jó korrekció Hibás korrekció

46 Intelligens Közlekedési Rendszerek Profil alapú osztályozás

47 Intelligens Közlekedési Rendszerek Jármű osztályozás 6 paraméter4 paraméter

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

49 Intelligens Közlekedési Rendszerek Jármű felismerés Szabály-alapú osztályozó

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

51 Intelligens Közlekedési Rendszerek Jármű felismerés Legrövidebb távolság módszere

52 Intelligens Közlekedési Rendszerek Jármű felismerés Neurális hálózat es szerkezet

53 Intelligens Közlekedési Rendszerek Eredmények Hibásan osztályozott járművek (százalék) 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 %) Adatsor (járművek száma) Szabály-alapúLegrövidebb 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)2 (2.3 %)10 (9.8 %)14 (13.7 %)

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

55 Intelligens Közlekedési Rendszerek Osztályozás finomítása

56 Intelligens Közlekedési Rendszerek Osztályozás finomítása

57 Intelligens Közlekedési Rendszerek Osztályozás finomítása

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

59 Intelligens Közlekedési Rendszerek Sebességbecslés - adatfúzió

60 Intelligens Közlekedési Rendszerek Forgalomszámlálás - UAV

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

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

63 Intelligens Közlekedési Rendszerek Távérzékelési technológiák összehasonlítása SzenzorLiDARDigitális kamera PlatformRepülő HelikopterMűhold Általános tulajdonságok Területi lefedettségJó KorlátozottKitűnő Időbeni lefedettségKorlátozott KitűnőGyenge Számítás Járművek leválogatásaEgyszerűNehéz Járművek osztályozásaEgyszerűLehetséges Korlátozott Járművek követéseNem lehetségesKorlátozottJóNem lehetséges SebességbecslésKorlátozottJóKitűnőNem lehetséges Flow-paraméterek meghatározásaLehetségesJóKitűnőNem lehetséges

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

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

66 Intelligens Közlekedési Rendszerek GIS - közlekedésbiztonság Veszélyes helyek térképezése

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

68 Intelligens Közlekedési Rendszerek GIS – GPS: útvonal

69 Intelligens Közlekedési Rendszerek GIS – GPS: elemzés

70 Intelligens Közlekedési Rendszerek GIS – GPS: mérés városi környezetben

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

72 Intelligens Közlekedési Rendszerek GIS – GPS pontosság, műholdak száma

73 Intelligens Közlekedési Rendszerek GIS – GPS eltérő irányban lévő műholdak

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

75 Intelligens Közlekedési Rendszerek GIS – Fotogrammetria: városmodell

76 Intelligens Közlekedési Rendszerek GIS – GPS: műhold árnyékolás

77 Intelligens Közlekedési Rendszerek 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

78 Intelligens Közlekedési Rendszerek GIS – Járműdinamikai szenzorok magassági térkép

79 Intelligens Közlekedési Rendszerek GIS – Járműdinamikai szenzorok lejtéstérkép

80 Intelligens Közlekedési Rendszerek GIS – Járműdinamikai szenzorok sebességtérkép

81 Intelligens Közlekedési Rendszerek GIS – Járműdinamikai szenzorok gyorsulási térkép

82 Intelligens Közlekedési Rendszerek GIS – Járműdinamikai szenzorok sofőr vezetési stílusa

83 Intelligens Közlekedési Rendszerek GIS – Járműdinamikai szenzorok nyomaték-térkép

84 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

85 Intelligens Közlekedési Rendszerek Köszönöm a figyelmet! Lovas Tamás


Letölteni ppt "2014. 09. 18.Intelligens Közlekedési Rendszerek GIS és Távérzékelés a közlekedési adatnyerésben Lovas Tamás Fotogrammetria és Térinformatika Tanszék Budapesti."

Hasonló előadás


Google Hirdetések