ارسل ملاحظاتك

ارسل ملاحظاتك لنا







مقارنة خوارزميات نظم تتبع ومراقبة المركبات

العنوان بلغة أخرى: Comparison of vehicle tracking and control systems algorithms
المؤلف الرئيسي: الأحمر، حيدر طالب مهدي (مؤلف)
مؤلفين آخرين: أحمد، السماني عبدالمطلب (مشرف)
التاريخ الميلادي: 2018
موقع: الخرطوم
الصفحات: 1 - 208
رقم MD: 987761
نوع المحتوى: رسائل جامعية
اللغة: العربية
الدرجة العلمية: رسالة دكتوراه
الجامعة: جامعة النيلين
الكلية: كلية علوم الحاسوب وتقانة المعلومات
الدولة: السودان
قواعد المعلومات: Dissertations
مواضيع:
رابط المحتوى:
صورة الغلاف QR قانون

عدد مرات التحميل

51

حفظ في:
المستخلص: تناولت الدراسة تصميم خوارزمية لتحسين نظم تتبع المركبات ومراقبتها. وتمثلت مشكلة الدراسة في أن العديد من خوارزميات التتبع والرصد الموجودة الآن قادرة على الحصول على معلومات عن حركة المرور فقط في ظروف بيئية مثالية نسبيا وتدفق حركة المرور الاعتيادية. ومع ذلك عادة ما تؤدي العوامل البيئية غير المواتية والانسداد OCCLUSIONS الموجود إلى تدهور كبير في نوعية البيانات التي يتم جمعها باستخدام تلك الخوارزميات. وهدفت الدراسة إلى تصميم خوارزمية للحصول على معلومات غير معروفة أو دقيقة لتعطي نتائج أفضل لتحسين كفاءة نظام تتبع المركبات الآلي للتطبيق في العالم الحقيقي الذي يدمج التقاط الصور مع خوارزمية تجزئة الجسم، بالإضافة إلى إيجاد طريقة أفضل لتتبع المركبات. تم استخدام المنهج التجريبي بصورة أساسية وكذلك التحليلي، وتمت مراقبة عملية رصد المركبات على طريق خاص تم استخدامه لتتبع المركبات، وتم إجراء إحصاء، وتحليل لحركة المرور. توصلت الدراسة إلى وجود فروق ذات دلالة إحصائية بين خوارزمية طريقة محصلة مجموع الإطارات والإطار الرئيسي عند مقارنة التمييز الآني للمتجهات لصالح خوارزمية محصلة مجموع الإطارات PCA, LDA, NN. وتوجد فروق دالة إحصائيا في زيادة نسب التمييز بين طريقة PCA+NN وطريقة PCA+LDA+NN عند الاعتماد على طريقة محصلة الإطارات عوضا عن الإطار الرئيسي. كما توجد فروق ذات دلالة إحصائية لصالح خوارزمية طريقة الإطار الرئيسي في الكشف عن الرفض الخاطئ. كما توصلت الدراسة إلى أن أنظمة تتبع السيارات والتجسس بجانب تطبيقات أنظمة النقل الذكي من المسائل المهمة في مجال الرؤية الحسابية. يسهم هذا العمل في استعراض طريقة عشوائية تعتمد على إجراء عمليات تتبع السيارات وتعقبها في المواقع المزدحمة والضيقة والتي يحتمل أن يحدث بها خطأ في عمليات تعقب السيارات. وأوصت الدراسة بأن تتركز الأعمال المستقبلية على خفض احتمالية عدم دقة لعمليات تتبع السيارات تحت الظروف الصعبة، وقد يتضمن هذا استخدام مراحل إضافية قبل معالجة الصور أو الحصول على المزيد من الدلائل. من الضروري الأخذ في الاعتبار إشارات توقف حركة المرور وعبورها أو سرعات المركبات غير المستقرة.

عناصر مشابهة