Моделирование и анализ ситуаций в виртуальной среде движущихся объектов

Предложен метод анализа ситуаций на множестве движущихся объектов, основанный на сравнении эталонных моделей поведения с фактическим поведением, получаемым в результате наблюдения за движущимися объектами. Основное отличие предлагаемого метода от известных состоит в том, что формирование эталонных моделей осуществляется не только экспертно, но также с помощью моделирования ситуаций в виртуальной среде, в результате чего генерируются исходные последовательности значений признаков, используемых для построения эталонных моделей. На примере конкретной дорожно-транспортной ситуации описывается порядок воспроизведения ситуации в виртуальной среде, генерации трендов признаков и построения эталонной модели ситуации. Рассмотрен процесс распознавания ситуации путем сопоставления измеренных параметров движения транспортных средств во времени с эталонной моделью ситуации. В заключение даны выводы о преимуществах и недостатках предложенного метода, намечены направления дальнейших исследований.

Литература

[1] Ениколопов С.Н., Кузнецова Ю.М. Задача распознавания ситуаций насилия с применением автоматизированных систем и методов искусственного интеллекта. [Электронный ресурс] Режим доступа: http://psyjournals.ru/psyandlaw Проверено 10.03.2013.

[2] Бескид П.П. Алгоритмическое обеспечение информационной поддержки оценивания динамической ситуации в многосенсорных системах при автоматическом сопровождении надводных объектов. Дис. ... д-ра техн. наук. СПб., 2006.

[3] Tumer M.B., Before L.A., Ropella K.M. A syntactic methodology for automatic diagnosis by analysis of continuous time measurements using hierarchical signal representations // IEEE Transactions on Systems, Man and Cybernetics. 2003. Vol. 33B, no. 6. P. 951-965.

[4] Bailador G., Trivioo G. Pattern recognition using temporal fuzzy automata // Fuzzy Sets and Systems. 2010. Vol. 161, no. 1. P. 37-55.

[5] Zhi-Qiang L., Bruton L.T., Bezdek J.C. Dynamic image sequence analysis using fuzzy measures // IEEE Transactions on Systems, Man, and Cybernetics. 2001. Vol. 31B, no. 4. P. 557-572.

[6] Bai L., Lao S., Jones G.J., Smeaton A.F. A Semantic content analysis model for sports video based on perception concepts and finite state machines // ICME. 2007. P. 1407-1410.

[7] Li X., Hu W., Zhang Z., Zhang X., Luo G. Trajectory-based video retrieval using Dirichlet process mixture models // BMVC. 2008.

[8] Reed J. Intersection Kinematics: A pilot study of driver turning behavior with application to pedestrian obscuration by A-pillars // Technical Report No. UMTRI-2008-54. 2008.

[9] Meyer-Delius D., Sturm J., Burgard W. Regression-based online situation recognition for vehicular traffic scenarios // Proceedings of the 2009 IEEE/RSJ international conference on Intelligent robots and systems, IEEE Press, Piscataway, NJ, USA. 2009. P. 1711-1716.

[10] Candamo J., Shreve M., Goldgof D.B., Sapper D.B., Kasturi R. Understanding transit scenes: a survey on human behavior-recognition algorithms // Trans. Intell. Transport. Sys. 2010. Vol. 11, no. 1. P. 206-224.

[11] Ballan L., Bertini M., Bimbo A., Seidenari L., Serra G. Event detection and recognition for semantic annotation of video // Multimedia Tools Applications. 2011. Vol. 51, no. 1. P. 279-302.

[12] Brooks R.A. A robust layered control system for a mobile robot // IEEE Journal of Robotics and Automation. 1986. Vol. 2, no. 1. P. 14-23.

[13] Zadeh L.A. Fuzzy sets // Information and Control. 1965. Vol. 8. P. 338-353.

[14] Девятков В.В. Пространственно-временной анализ ситуаций на множестве движущихся объектов // Вестник МГТУ им. Н.Э. Баумана. Сер. Приборостроение. 2011. № 3. С. 88-112.

[15] Румбешт В.В. Диагностика тепловых сетей на основе онтологии повреждений. Дис. ... канд. техн. наук. МГТУ им. Н.Э. Баумана. 1999.

[16] Espire E., Guionneau C. Torcs - the open racing car simulator [Электронный ресурс] Режим доступа: http://torcs.sourceforge.net Проверено 10.03.2013.