AUTOMATIC COUNTING AND CLASSIFICATION OF VEHICLEON URBAN ROADS BY CONCOLUTIONAL NEURAL NETWORK

Abstract

In current years, some large cities have expanded rapidly and many trips have been generated on the public roads in the city. This huge increase in the number of vehicles on the road causes many transportation and traffic problems, especially in urban areas. Without effective management, transportation problems will affect other development sectors, such as economics or environmental systems. In terms of transportation and traffic engineering management, traffic information is an important and needs to be collected regularly and use it for traffic studies and designs. In this paper, a vehicle counting and classification system was proposed using CNN for collecting volume and type of vehicles. The proposed system used YOLOv8 as our vehicle detector and trained a detector system with our local dataset of Thailand vehicles which is collected of 11 different types of vehicle images. Then, trained detectors were combined with some great performance trackers in multi-object tracking, ByteTrack and BotSORT. For the counting process, a referenced counting line was provided to collect the number of vehicles and their class when they drove past the line. Then the system was tested and evaluated with various scenarios of traffic conditions. The video results showed that our proposed system had a good performance for counting vehicles. The figures of average accuracy of total vehicle counting and weight mean absolute percentage error of classified counting were 90% and 19%, respectively.

ในพื้นที่เขตในเมืองของเมืองขนาดใหญ่หลายๆแห่งในปัจจุบันนั้น มีการขยายตัวขึ้นอย่างรวดเร็ว จึงส่งผลให้เกิดการเดินทางและปริมาณยานพาหนะที่ใช้สัญจรบนท้องถนนเพิ่มมากขึ้น ซึ่งก่อให้เกิดผลกระทบและปัญหาด้านการจราจรต่างๆตามมา และอาจส่งผลกระทบต่อไปยังการพัฒนาในภาคส่วนอื่นๆอย่าง ระบบเศรษฐกิจหรือระบบสิ่งแวดล้อมได้ เพื่อจัดการกับปัญหาด้านการจราจรตามหลักของวิศวกรรมขนส่งและจราจรนั้น ข้อมูลปริมาณจราจรจึงเป็นข้อมูลที่มีความสำคัญมากในการศึกษาและออกแบบเพื่อแก้ปัญหาการจราจร โดยต้องมีการเก็บบันทึกข้อมูลปริมาณจราจรนี้อย่างสม่ำเสมอ และเพื่อเป็นการส่งเสริมและพัฒนางานด้านวิศวกรรมจราจร ในงานวิจัยนี้ ผู้วิจัยได้นำเสนอระบบตรวจนับยานพาหนะและจำแนกประเภทของยานพาหนะ ที่ใช้หลักโครงข่ายประสาทเทียมแบบคอนโวลูชัน (CNN) อย่าง YOLOv8 เป็นอัลกอริทึมในการตรวจจับยานพาหนะ โดยมีการสร้างชุดข้อมูลของยานพาหนะท้องถิ่นในประเทศไทย สำหรับใช้เป็นข้อมูลในการฝึกฝนระบบตรวจจับยานพาหนะ ให้สามารถจำแนกยานพาหนะได้อย่างหลากหลาย และทำงานร่วมกับระบบติดตามยานพาหนะที่สามารถติดตามยานวัตถุหลายๆวัตถุในภาพได้ดีอย่าง ByteTrack และ BotSORT และนำไปประยุกต์ใช้ในการนับยานพาหนะโดยการสร้างเส้นอ้างอิงบนถนนในการเก็บข้อมูลจำนวนและประเภทของยานพาหนะที่เคลื่อนที่ผ่านในสภาพการณืที่แต่งต่างกันไป โดยในระบบที่สร้างขึ้นนี้ มีระดับความแม่นยำเฉลี่ยในการนับจำนวนยานพาหนะที่ค่อนข้างแม่นยำสูงเกินร้อยละ 90 เปอร์เซ็นต์ในหลายๆสภาพการณ์ และมีค่าเฉลี่ยของเปอร์เซ็นต์ความผิดพลาดสัมบูรณ์แบบถ่วงน้ำหนัก (WMAPE) ในการจำแนกประเภทของยานพาหนะเฉลี่ยรวมทุกสภาพการณ์อยู่ที่ประมาณ 19 เปอร์เซ็นต์