2023 г., Том 28, № 2, с.19-26

Цель. Решена задача определения типа дорожного покрытия (асфальтированная, гравийная дорога, мостовая) с использованием искусственного интеллекта.

Методы. Предложено использовать данные об ускорении по трем осям с инерциального измерительного модуля, помещенного в транспортное средство. Массив разделен на данные, полученные на трех разных типах дорожного покрытия путем фильтрации данных по географическим координатам. Всего при частоте дискретизации 400 Гц получено 802 163 отсортированных по координатам семпла, что равно примерно 33 минутам езды на автомобиле. Для реализации алгоритма идентификации типов дорожного покрытия использована сеть долгой краткосрочной памяти (англ. long short-term memory — LSTM) — разновидность архитектуры рекуррентных нейронных сетей. Однослойная LSTM-нейронная сеть, содержащая 256 нейронов, реализована с помощью библиотеки Keras.

Результаты. Эффективность идентификации типов дорожного покрытия, достигнутая в работе, равна 88.2 %. Проанализирована матрица ошибок. Большинство ошибок можно объяснить, принимая во внимание выбранную стратегию сбора данных: симуляция естественной езды на легковом автомобиле в черте города. Приведено краткое описание будущей работы по данной теме.