جاده

جاده

ارزیابی خودکار ویژگی‌های ایمنی عابر پیاده از تصاویر نمای خیابان با استفاده از بخش‌بندی معنایی و یادگیری بازنمایی خودنظارتی: مطالعه‌ای در مقیاس شهری در اصفهان

نوع مقاله : مقاله پژوهشی

نویسندگان
1 گروه مهندسی عمران، واحد بین المللی کیش، دانشگاه آزاد اسلامی، کیش،ایران
2 دانشیار، پژوهشکده حمل‌ونقل، مرکز تحقیقات راه، مسکن و شهرسازی
3 استادیار، گروه مهندسی عمران، واحد تهران جنوب، دانشگاه آزاد اسلامی، تهران، ایران
10.22034/road.2026.607148.2566
چکیده
ویژگی‌های مقیاس خرد محیط ساخته‌شده به‌طور قابل‌توجهی بر ایمنی عابر پیاده تأثیر می‌گذارد؛ با این حال، ممیزی‌های میدانی متعارف پرهزینه، ذهنی و در مقیاس شهری دشوار اجرا هستند. این پژوهش یک چارچوب بینایی رایانه‌ای ترکیبی را برای ارزیابی خودکار ایمنی عابر پیاده با استفاده از تصاویر نمای خیابان توسعه و اعتبارسنجی می‌کند. این چارچوب بخش‌بندی معنایی را برای استخراج ویژگی‌های صریح و قابل‌تفسیر محیطی با یادگیری بازنمایی خودنظارتی برای ثبت ویژگی‌های بصری نهفته — از جمله وضعیت روسازی، محصوریت فضایی، کیفیت مصالح و بی‌نظمی بصری — یکپارچه می‌سازد. تحلیل تجربی ۳۶۸٬۵۰۰ تصویر نمای خیابان گردآوری‌شده از ۹۲٬۱۲۵ موقعیت زمین‌مرجع در اصفهان، ایران را در برمی‌گیرد. یک مدل SegFormer-B4 تنظیم‌شده دقیق برای کمّی‌سازی هشت ویژگی مرتبط با ایمنی به کار رفت، در حالی که یک ترانسفورمر بینایی آموزش‌دیده با DINO بازنمایی‌های بصری زمینه‌ای تولید کرد. این جریان‌های ویژگی در یک مدل رگرسیون XGBoost برای ساخت شاخص خودکار ایمنی عابر پیاده و محیط (APSEI) ادغام شدند و از نمرات ممیزی میدانی متخصصان از ۵۰۰ موقعیت لایه‌بندی‌شده به‌عنوان مرجع حقیقت استفاده شد. اعتبار بیرونی در برابر ۳٬۲۱۲ تصادف عابر پیاده-وسیله نقلیه زمین‌کدشده از طریق رگرسیون پواسون وزن‌دار جغرافیایی ارزیابی شد
کلیدواژه‌ها


مقالات آماده انتشار، پذیرفته شده
انتشار آنلاین از 22 مهر 1405