Road condition analysis for accident assessment based on Unmanned Aerial Vehicle (UAV) photogrammetry using image classification: a case study city road in Thailand

การวิเคราะห์สภาพถนนเพื่อประเมินความเสี่ยงการเกิดอุบัติเหตุโดยใช้ข้อมูลการรังวัดด้วยภาพดิจิทัลจากอากาศยานไร้คนขับ ด้วยการจำแนกประเภทข้อมูลภาพ: กรณีศึกษา ถนนบริเวณในเมือง ประเทศไทย

Name: Wei, Sun

LCSH: Roads -- Surveying

LCSH: Roads -- Safety measures

Abstract: In recent years, many people who drove motorcycles died of traffic accidents in the world every year. As for Thailand, here also are the same situation. This paper develops an AI model of the road condition to protect motorcycle drivers by using UAV and image classification. Collect road condition images based on UAV equipment in the city area in Thailand and build the AI models by using orthomosaic images and digital surface models based on image recognition algorithms. In the algorithm, determining the degree of risk of road conditions is one of the important steps, which used the supervised method by experts for image judgment. Image classification is used to identify the degree of road condition risk, mainly AlexNet, ResNet50 etc. After completing the model establishment, this research conducts a test to determine which model is more suitable for analysis by comparing the image predictions and safety factors of the two models. As a result, the RGB model is more suitable for analyzing road conditions than the DSM model and the AlexNet is more suitable for analyzing the DSM model, and the SqueezeNet1_0 is more suitable for analyzing the RGB model. This study aims to develop an image classification model based on road conditions in Thailand and creates a mobile application to give the road condition information. The model is suitable for utilizing for creating motorbike drivers’ safety guidance from UAV data. The research found that, first of all, it was found that DSM is a color label that uses road height to realize color and height distinction, which is different from ordinary RGB data ; through some curve graphs such as LR, training and testing curves, or some parameters such as accuracy rate, recall rate, etc. to compare the advantages and disadvantages of different models ; In order to test the accuracy of the image classification model, the application-side development of the final screening model is also carried out to test.

Abstract: ในช่วงไม่กี่ปีที่ผ่านมา ผู้คนจำนวนมากที่ขับขี่รถจักรยานยนต์เสียชีวิตจากอุบัติเหตุบนท้องถนนทุกปี สำหรับประเทศไทยสถานการณ์นี้ก็เช่นเดียวกัน การป้องการอุบัติเหตุบนท้องถนนโดยการตรวจสอบคุณภาพของถนนเป็นหนึ่งในการป้องกันที่มีประสิทธิภาพ บทความนี้มุ่งเน้นพัฒนาแบบจำลอง AI เพื่อเรียนรู้สภาพถนนในการแก้ปัญหาปกป้องผู้ขับขี่รถจักรยานยนต์ โดยใช้ข้อมูลจาก UAV และการจัดประเภทภาพรวบรวมภาพสภาพถนนโดยใช้ข้อมูลของถนนในเขตเมือง ของประเทศไทย และสร้างแบบจำลอง AI โดยใช้ภาพออร์โธโมซาอิกและแบบจำลองพื้นผิวดิจิทัล ตามอัลกอริธึม การรู้จำภาพในอัลกอริธึม การกำหนดระดับความเสี่ยงของสภาพถนนเป็นหนึ่งใน ขั้นตอนสำคัญ ซึ่งใช้วิธีภายใต้การดูแลของผู้เชี่ยวชาญในการตัดสินภาพ การจัดประเภทรูปภาพ ใช้เพื่อระบุระดับความเสี่ยงจากสภาพถนนโดยเฉพาะ AlexNet, ResNet 101 และอื่นๆ หลังจากสร้างแบบจำลองเสร็จแล้ว งานวิจัยนี้ทำการทดสอบเพื่อพิจารณาว่ารุ่นใดเหมาะสม สำหรับการวิเคราะห์มากกว่า โดยการเปรียบเทียบการทำนายภาพและปัจจัยด้านความปลอดภัยของสองรุ่นเป็นผลให้ข้อมูล RGB เหมาะสมสำหรับการวิเคราะห์สภาพถนนมากกว่าข้อมูล DSM และ AlexNet เหมาะสมสำหรับการวิเคราะห์ข้อมูล DSM มากกว่าและ SqueezeNet1_0 เหมาะสมสำหรับการวิเคราะห์ข้อมูล RGB มากกว่า การศึกษานี้ มีวัตถุประสงค์เพื่อพัฒนาแบบจำลองการจำแนกรูปภาพตามสภาพถนนในประเทศไทย และสร้างแอปพลิเคชันมือถือ เพื่อให้ข้อมูลสภาพถนน โมเดลนี้เหมาะสำหรับใช้สร้างคำแนะนำ ด้านความปลอดภัยของผู้ขับขี่มอเตอร์ไซค์จากข้อมูล UAV จากการวิจัยพบว่า อันดับแรก พบว่า DSM เป็นการจำแนกสีที่ใช้ความสูงของถนนเพื่อให้ทราบความแตกต่างของสีและความสูง ซึ่งแตกต่างจากข้อมูล RGB ทั่วไป จากนั้น ผ่านกราฟเส้นโค้งบางกราฟ เช่น LR กราฟการฝึกอบรมและการทดสอบ หรือพารามิเตอร์บางอย่าง เช่น อัตราความแม่นยำ อัตราการเรียกคืนและอื่นๆ เพื่อเปรียบเทียบข้อดีและข้อเสียของรุ่นต่างๆ นอกจากนี้ เพื่อทดสอบความถูกต้องของแบบจำลองการจำแนกรูปภาพการพัฒนาด้านแอปพลิเคชันของแบบจำลองการคัดกรองขั้นสุดท้าย ยังดำเนินการ เพื่อทดสอบว่าแบบจำลองนั้นปลอดภัยหรือไม่

Chiang Mai University. Library

Address: CHIANG MAI

Email: cmulibref@cmu.ac.th

Name: Narit Hnoohom

Role: ประธานกรรมการ

Name: Chartchai Doung saard

Role: กรรมการ

Name: Phudinun Singkhamfu

Role: กรรมการ

Created: 2022

Modified: 2022-11-19

Issued: 2022-11-19

วิทยานิพนธ์/Thesis

application/pdf

eng

DegreeName: Master of Science

Level: Master's Degree

Descipline: Software Engineering

Grantor: Chiang Mai University

©copyrights Chiang Mai University

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	632131004.pdf	6.37 MB	1	2023-05-27 16:53:54

ใช้เวลา

0.029196 วินาที