Termografisk trafik tracking – et døgns trafikadfærd i GIS

Session

Trafik

Abstract

Termografisk videoanalyse gør det muligt at undersøge og dokumentere trafikal adfærd over en lang periode uden at kunne identificere enkeltpersoner. Med et termisk kamera kortlægges cyklisters, fodgængeres og bilers bevægelsesmønstre ved hjælp af Computer Vision, der tracker bevægelser i videoen, og leverer georefererede punktdata til en PostGIS database. Punktdata samles til spor for hvert tracket objekt, analyseres i tid og rum i databasen, og visualiseres i QGIS og Spatial Suite.

Gladsaxe Kommune har sammen med os og Aalborg Universitet anvendt metoden over et døgn i et lyskryds. Resultaterne er sammenholdt med traditionel trafiktælling i spidsperioderne morgen og eftermiddag. Casen er at undersøge skolebørns trafikale adfærd samt ulovlig cykling modstrøms på en ensrettet cykelsti. Fra datasættet kan også trafiktal og hastigheder for motoriseret trafik igennem krydset udledes.

Målgruppe

Målgruppen er GIS-analytikere, trafikplanlæggere og byplanlæggere.

Yderligere uddybning af abstract

Video fra et termisk kamera er analyseret ved hjælp af Computer Vision tracking algoritmer udviklet igennem forskningsprojekter ved Visual Analysis of People Lab (VAP) ved Aalborg Universitet (AAU) (http://www.vap.aau.dk).

Princippet i Computer Vision algoritmerne er, at objekter, der bevæger sig i scenen, segmenteres ved, at baggrunden i videobilledet trækkes fra. Dette udføres billede for billede i videoen, som er optaget med ti billeder per sekund. For hvert objekt i bevægelse identificeres det nederste punkt for objektet, hvor dette er i kontakt med underlaget.

Den geografiske placering af de identificerede objekter og deres skiftende placering (samlet objektets vej/track) fastlægges i forhold til en såkaldt “homografi matrix”. Denne matrix er bestemt ud fra en række faste og let genkendelige punkter I det samlede videobillede, f.eks. foden af en skiltestander eller spidsen af en markeringspil på kørebanen. De samme punkter genfindes i det nyeste georeferede ortofoto af vejkrydset. Herefter laves der en transformation imellem videobilledets pixel-koordinater og de tilhørende geografiske koordinater fra ortofotoet, således at hvert track fundet af algoritmen kommer ud som punkter i geografiske koordinater.

Samlet giver det for hvert videobillede en strøm af punktdata på formen [ID, X, Y, t], hvor ID er hvert enkelt tracks ID nummer, X og Y de geografiske koordinater for hvert tidspunkt, t, hvor tracket med det pågældende ID er aktivt. Output fra tracking algoritmen gemmes i simpelt tekstformat (.csv filer), der derfra kan indlæses i en spatial database.

Jo tættere et objekt er på kameraet, jo mere præcist kan det trackes. Det er muligt at kalibrere Computer Vision algoritmerne på forskellige måder afhængigt af hvilke områder af videobilledet og hvilken størrelse af objekter, der ønskes tracket.

Behandlingen af output data fra trackingalgoritmerne har vi stået for. Data er indlæst i en PostgreSQL database med den spatiale udvidelse PostGIS. Data kan selekteres både på attributter, geometri og geografi i databasen, og visualiseres i QGIS og Spatial Suite.

Ved indlæsning af data er varigheden, længden og gennemsnitshastighed for hvert track samt kompasretningen mellem start og slutpunkten for tracket beregnet. Graden af hvor meget tracket bugter sig, kaldet sinousiteten, bestemt som forholdet mellem længden af den lige line mellem start- og slutpunkt og selve trackets længde, er ligeledes beregnet for alle tracks. De beregnede værdier bruges til selektion af tracks i forhold til, om de formodes at være cyklister, biler eller fodgængere.

Medforfattere:

Oskar Mule, Geograf, Gladsaxe Kommune

Chris Holmberg Bahnsen, Ph.d. studerende, Visual Analysis of People Lab, Aalborg Universitet (AAU)