DOI: https://doi.org/10.20998/2522-9052.2018.2.15

ІНТЕЛЕКТУАЛЬНА СИСТЕМА КОНТРОЛЮ СТАНУ НЕБЕЗПЕЧНИХ ДІЛЯНОК ЗАЛІЗНИЧНОГО ШЛЯХУ

Serhii Semenov, Oksana Lipchanska

Анотація


Актуальність. Залізничний транспорт є одним з найважливіших об'єктів критичної інфраструктури України і для забезпечення його безпеки потребує вдосконалення система управління безпекою руху поїздів шляхом впровадження сучасних комп'ютерних інформаційних технологій і засобів. Одним з таких шляхів є використання інтелектуальної системи контролю стану небезпечних ділянок залізничного шляху, зокрема на залізничних переїздах. Вирішення даної проблеми набуває ще більшої актуальності в разі, якщо мобільна мережа перенавантажується та машиніст втрачає зв'язок із камерою відеоспостереження на переїзді, в результаті чого не в змозі спостерігати стан переїзду. У статті запропоновано використання інтелектуальної системи для контролю стану небезпечних ділянок залізничного шляху, зокрема на залізничному переїзді. Результати. Розглянуто загальну архітектуру згортальної нейронної мережі. Запропоновано оптимізовану архітектуру згортальної нейронної мережі для розпізнавання небезпечних ситуацій на залізничному шляху. Надано рекомендації щодо налаштування параметрів, які варіюються, при побудові та навчанні згортальної нейронної мережі. Наведені результати тестування роботи мережі при розпізнаванні вільного шляху та при наявності критичної ситуації за різних умов. Висновки. Одержала подальшого розвитку інтелектуальна система контролю стану небезпечних ділянок залізничного шляху, яка відрізняється від відомих використанням оптимізованої архітектури для зменшення часу обробки зображень, що дозволило підвищити точність та оперативність розпізнавання ситуацій на зображеннях та, як слідство, підвищити рівень безпеки залізничного транспорту на окремих небезпечних ділянках.


Ключові слова


інтелектуальна система; відеоспостереження; згортальна нейронна мережа

Повний текст:

PDF

Посилання


Biryukov, D.S., Kondratov, S.I., Nasvit, O.I. and Sukhodolya O.M. (2015), Green Book on Critical Infrastructure Protection in Ukraine, National Institute for Strategic Studies, Kyiv, 30 p.

The Verkhovna Rada of Ukraine. Orders, available at : http://zakon3.rada.gov.ua/laws/show/z0729-11 (last accessed March 7, 2018).

The Verkhovna Rada of Ukraine. Regulations, available at : http://zakon3.rada.gov.ua /laws/show/1390-2009-%D0%BF (last accessed March 7, 2018).

News of YuzhD, available at : http://gortransport.kharkov.ua/news/4013 (last accessed March 07, 2018).

Southern Railway, available at : http://www.pz.gov.ua (last accessed March 07, 2018).

Unian. Road accident, available at : https://economics.unian.net/transport/874848 (last accessed March 07, 2018).

TSN. Death at railway crossings, https://ru.tsn.ua/ukrayina/smert-na-zheleznodorozhnyh-pereezdah (last accessed March 7, 2018).

CARS, available at : https://www.cars.ru/articles/first-hand/21268656 (last accessed March 7, 2018).

LeCun, Y., Denker, J.S., Solla, S., Howard, R.E. and Jackel, L.D. (1990), Optimal Brain Damage, Advances in Neural Infor-mation Processing Systems.

Marc'Aurelio R., Christopher, Poultney, Sumit, Chopra and Yann, LeCun (2006), “Efficient Learning of Sparse Representa-tions with an Energy-Based Model”, Advances in Neural Information Processing Systems, MIT Press.

LeCun, Y. and Bengio, Y. (1995), “Convolutional Networks for Images, Speech, and Time-Series”, The Handbook of Brain Theory and Neural Networks, MIT Press.

Nielsen, M. (2017), Neural Networks and Deep Learning, available at :

http://neuralnetworksanddeeplearning.com/chap2.html (last accessed March 07, 2018).

Goodfellow, I., Bengio, Y. and Courville A. (2017), Deep Learning, available at :

http://www.deeplearningbook.org/front_matter.pdf (last accessed March 07, 2018).

Nair, V. and Hinton, G.E. (2010), “Rectified Linear Units Improve Restricted Boltzmann Machines”, Proceedings of the 27Th International Conference on Machine Learning, Haifa, Israel, pp. 1-8.

Le Cun, Y., Bottou, L., Orr, G. and Muller K. (1998), “Efficient BackProp”, Neural Networks: tricks of the trade, 44 p.




Copyright (c) 2020 Serhii Semenov, Oksana Lipchanska