Виявлення небезпечних ситуацій на дорожній інфраструктурі за допомогою безпілотних літальних апаратів

Автор(и)

DOI:

https://doi.org/10.15587/2706-5448.2025.347074

Ключові слова:

інфраструктура, безпека, ризики, моніторинг, дорожній рух, інциденти, дрони, літаки, пошкодження, урбанізація

Анотація

Об'єктом дослідження є розроблена автоматизована обчислювальна модель (система на основі штучного інтелекту) для моніторингу та аналізу дорожнього руху в режимі реального часу, зосереджена на виявленні та оцінці небезпечних ситуацій (порушення правил дорожнього руху, затори та ризики аварій). У цій роботі досліджується, як збільшення кількості людей, які переїжджають до міст, та їхніх транспортних засобів збільшує ймовірність дорожньо-транспортних пригод на дорогах загального користування. Також зазначається, що традиційні перевірки проводяться дуже повільно та не повністю виявляють порушення правил дорожнього руху. Щоб подолати ці обмеження, було запропоновано нову автоматизовану обчислювальну модель для відстеження транспортних засобів та аварій, засновану на безпілотних літальних апаратах у поєднанні з технологіями комп'ютерного зору та штучного інтелекту. Запропонована модель дозволяє виявляти та оцінювати загрози в режимі реального часу. Дослідження змодельовано в середовищі MATLAB з використанням реальних даних про дорожній рух із відео, знятого дроном. Ця модель демонструє значні покращення операційних показників, середня точність виявлення досягла 89% для транспортних засобів та критичних подій (наприклад, затори, відхилення). Модель успішно візуалізує зони ризику за допомогою теплових карт та прогнозує короткострокові зміни в схемі руху, підвищуючи надійність управління дорожнім рухом та розширюючи можливості прогнозування ризиків дорожнього руху. Результати, отримані під час моделювання, можуть бути використані на практиці транспортними службами, дорожніми та технічними організаціями, особливо на складних перехрестях та на автомагістралях з високим рівнем аварійності в міських, густонаселених районах.

Спонсор дослідження

  • This research is funded by the Science Committee of the Ministry of Education and Science of the Republic of Kazakhstan (Grant No. AP25793987: Research and application of artificial intelligence for protection against UAVs).

Біографії авторів

Nurzhigit Smailov, Institute of Mechanics and Machine Science Named by Academician U. A. Dzholdasbekov

PhD, Professor

Yerzhan Nussupov, Satbayev University

Doctoral Student in Telecommunication

Department of Electronics, Telecommunications, and Space Technologies

Kyrmyzy Taissariyeva, Satbayev University

PhD, Professor

Department of Electronics, Telecommunications, and Space Technologies

Aidar Kuttybayev, Satbayev University

Candidate of Technical Sciences, Professor

Moldir Baigulbayeva, Al-Farabi Kazakh National University

Faculty of Chemistry and Chemical Technology

Mukhit Turumbetov, Satbayev University

PhD

Department of Electronics, Telecommunications, and Space Technologies

Юліан Ігорович Григор'єв, Криворізький національний університет

Кандидат технічних наук, доцент

Кафедра відкритих гірничих робіт

Сергій Олександрович Луценко, Криворізький національний університет

Кандидат технічних наук, доцент

Кафедра відкритих гірничих робіт

Посилання

  1. Outay, F., Mengash, H. A., Adnan, M. (2020). Applications of unmanned aerial vehicle (UAV) in road safety, traffic and highway infrastructure management: Recent advances and challenges. Transportation Research Part A: Policy and Practice, 141, 116–129. https://doi.org/10.1016/j.tra.2020.09.018
  2. Hryhoriev, Y., Lutsenko, S., Systierov, O., Kuttybayev, A., Kuttybayeva, A. (2023). Implementation of sustainable development approaches by creating the mining cluster: the case of MPP “Inguletskiy”. IOP Conference Series: Earth and Environmental Science, 1254 (1), 012055. https://doi.org/10.1088/1755-1315/1254/1/012055
  3. Wu, Y., Abdel-Aty, M., Zheng, O., Cai, Q., Zhang, S. (2020). Automated Safety Diagnosis Based on Unmanned Aerial Vehicle Video and Deep Learning Algorithm. Transportation Research Record: Journal of the Transportation Research Board, 2674 (8), 350–359. https://doi.org/10.1177/0361198120925808
  4. Zhu, C., Zhu, J., Bu, T., Gao, X. (2022). Monitoring and Identification of Road Construction Safety Factors via UAV. Sensors, 22 (22), 8797. https://doi.org/10.3390/s22228797
  5. Cristea, V.-M., Baigulbayeva, M., Ongarbayev, Y., Smailov, N., Akkazin, Y., Ubaidulayeva, N. (2023). Prediction of Oil Sorption Capacity on Carbonized Mixtures of Shungite Using Artificial Neural Networks. Processes, 11 (2), 518. https://doi.org/10.3390/pr11020518
  6. Taissariyeva, K., Abdykadyrov, A., Mussilimov, K., Jobalayeva, G., Marxuly, S. (2025). Analysis and Modeling of Environmental Monitoring Using Multicopters. International Journal of Innovative Research and Scientific Studies, 8 (3), 2947–2960.
  7. Dosbayev, Z., Abdrakhmanov, R., Akhmetova, O., Nurtas, M., Iztayev, Z., Zhaidakbaeva, L., Shaimerdenova, L. (2021). Audio Surveillance: Detection of Audio-Based Emergency Situations. Advances in Computational Collective Intelligence. Cham: Springer International Publishing, 413–424. https://doi.org/10.1007/978-3-030-88113-9_33
  8. Seidaliyeva, U., Smailov, N. (2025). Leveraging drone technology for enhanced safety and route planning in rock climbing and extreme sports training. Retos, 63, 598–609. https://doi.org/10.47197/retos.v63.110869
  9. Taissariyeva, K., Karakiliç, M., Mussilimov, K., Hataş, H. (2025). A Novel Single-Source 13-Level Switched- Capacitor Inverter With Triple Voltage Gain. IEEE Access, 13, 135074–135088. https://doi.org/10.1109/access.2025.3594159
  10. Li, R., Yu, J., Li, F., Yang, R., Wang, Y., Peng, Z. (2023). Automatic bridge crack detection using Unmanned aerial vehicle and Faster R-CNN. Construction and Building Materials, 362, 129659. https://doi.org/10.1016/j.conbuildmat.2022.129659
  11. Alawad, W., Halima, N. B., Aziz, L. (2023). An Unmanned Aerial Vehicle (UAV) System for Disaster and Crisis Management in Smart Cities. Electronics, 12 (4), 1051. https://doi.org/10.3390/electronics12041051
  12. Li, X., Chen, Y., Chen, Z., Huang, Z. (2025). Coverage path planning of bridge inspection with Unmanned aerial vehicle. Engineering Applications of Artificial Intelligence, 156, 111253. https://doi.org/10.1016/j.engappai.2025.111253
  13. Wójcik, W., Kalizhanova, A., Kulyk, Y., Knysh, B., Kvyetnyy, R., Kulyk, A. et al. (2022). The Method of Time Distribution for Environment Monitoring Using Unmanned Aerial Vehicles According to an Inverse Priority. Journal of Ecological Engineering, 23 (11), 179–187. https://doi.org/10.12911/22998993/153458
  14. Seidaliyeva, U., Alduraibi, M., Ilipbayeva, L., Smailov, N. (2020). Deep residual neural network-based classification of loaded and unloaded UAV images. 2020 Fourth IEEE International Conference on Robotic Computing (IRC). IEEE, 465–469. https://doi.org/10.1109/irc.2020.00088
  15. Smailov, N., Kashkimbayeva, N., Kubanova, N., Sabibolda, A., Mailybayev, Y. (2025). Review of AI-augmented multisensor architectures for detecting and neutralizing UAV threats. International Journal of Innovative Research and Scientific Studies, 8 (5), 1281–1294. https://doi.org/10.53894/ijirss.v8i5.9091
  16. Jiang, S., Zhang, J., Wang, W., Wang, Y. (2023). Automatic Inspection of Bridge Bolts Using Unmanned Aerial Vision and Adaptive Scale Unification-Based Deep Learning. Remote Sensing, 15 (2), 328. https://doi.org/10.3390/rs15020328
  17. Feng, H., Chen, F., Heng, W. (2024). Reconstruction of the Motion of Traffic Accident Vehicle in the Vehicle – Mounted Video Based on Direct Linear Transform. Journal of Advanced Transportation, 2024 (1). https://doi.org/10.1155/2024/5793435
  18. Berghaus, M., Lamberty, S., Ehlers, J., Kalló, E., Oeser, M. (2024). Vehicle trajectory dataset from drone videos including off-ramp and congested traffic – Analysis of data quality, traffic flow, and accident risk. Communications in Transportation Research, 4, 100133. https://doi.org/10.1016/j.commtr.2024.100133
  19. Bakirci, M. (2025). Internet of Things-enabled unmanned aerial vehicles for real-time traffic mobility analysis in smart cities. Computers and Electrical Engineering, 123, 110313. https://doi.org/10.1016/j.compeleceng.2025.110313
  20. Zhu, Y., Wang, Y., An, Y., Yang, H., Pan, Y. (2024). Real-Time Vehicle Detection and Urban Traffic Behavior Analysis Based on Unmanned Aerial Vehicle Traffic Videos on Mobile Devices. https://doi.org/10.2139/ssrn.4976574
  21. Wang, Y., Zhang, J., Zhou, J. (2024). Urban traffic tiny object detection via attention and multi-scale feature driven in UAV-vision. Scientific Reports, 14 (1). https://doi.org/10.1038/s41598-024-71074-2
  22. Ma, W., Chu, Z., Chen, H., Li, M. (2024). Spatio-temporal envolutional graph neural network for traffic flow prediction in UAV-based urban traffic monitoring system. Scientific Reports, 14 (1). https://doi.org/10.1038/s41598-024-78335-0
  23. Liu, Z., Chen, C., Huang, Z., Chang, Y. C., Liu, L., Pei, Q. (2024). A Low-Cost and Lightweight Real-Time Object-Detection Method Based on UAV Remote Sensing in Transportation Systems. Remote Sensing, 16 (19), 3712. https://doi.org/10.3390/rs16193712
  24. Arévalo-Verjel, A. N., Lerma, J. L., Carbonell-Rivera, J. P., Prieto, J. F., Fernández, J. (2025). Assessment of Photogrammetric Performance Test on Large Areas by Using a Rolling Shutter Camera Equipped in a Multi-Rotor UAV. Applied Sciences, 15 (9), 5035. https://doi.org/10.3390/app15095035
  25. Singh, V., Sharma, S. K. (2023). Critical factors of multi-agent technology influencing manufacturing organizations: an AHP and DEMATEL-oriented analysis. International Journal of Computer Integrated Manufacturing, 37 (3), 243–265. https://doi.org/10.1080/0951192x.2023.2209857
  26. Wang, F., Zou, Y., Chen, X., Zhang, C., Hou, L., del Rey Castillo, E., Lim, J. B. P. (2024). Rapid in-flight image quality check for UAV-enabled bridge inspection. ISPRS Journal of Photogrammetry and Remote Sensing, 212, 230–250. https://doi.org/10.1016/j.isprsjprs.2024.05.008
  27. Caruso, A., Galluccio, L., Grasso, C., Ignaccolo, M., Inturri, G., Leonardi, P. et al. (2025). Advancing Urban Traffic Monitoring in Smart Cities: A Field Experiment with UAV-Based System for Transport Planning and Intelligent Traffic Management. 2025 Integrated Communications, Navigation and Surveillance Conference (ICNS). IEEE, 1–9. https://doi.org/10.1109/icns65417.2025.10976747
  28. Sun, Z., Wang, J., Ma, X., Liu, J. (2024). Vehicle Trajectory Deviation Data Collection Method Based on Unmanned Aerial Vehicle Aerial Imagery. CICTP 2024, 2013–2022. https://doi.org/10.1061/9780784485484.190
  29. Zhang, Y., Zhao, R., Mishra, D., Ng, D. W. K. (2024). A Comprehensive Review of Energy-Efficient Techniques for UAV-Assisted Industrial Wireless Networks. Energies, 17 (18), 4737. https://doi.org/10.3390/en17184737
Identification of dangerous situations in the road infrastructure using unmanned aerial vehicles

##submission.downloads##

Опубліковано

2025-12-29

Як цитувати

Smailov, N., Nussupov, Y., Taissariyeva, K., Kuttybayev, A., Baigulbayeva, M., Turumbetov, M., Григор’єв, Ю. І., & Луценко, С. О. (2025). Виявлення небезпечних ситуацій на дорожній інфраструктурі за допомогою безпілотних літальних апаратів. Technology Audit and Production Reserves, 6(2(86), 97–102. https://doi.org/10.15587/2706-5448.2025.347074

Номер

Том 6 № 2(86) (2025): Інформаційно-керуючі системи

Розділ

Системи та процеси керування

Ліцензія

Авторське право (c) 2025 Nurzhigit Smailov, Yerzhan Nussupov, Kyrmyzy Taissariyeva, Aidar Kuttybayev, Moldir Baigulbayeva, Mukhit Turumbetov, Yulian Hryhoriev, Serhii Lutsenko

Creative Commons License

Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.

Закріплення та умови передачі авторських прав (ідентифікація авторства) здійснюється у Ліцензійному договорі. Зокрема, автори залишають за собою право на авторство свого рукопису та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons CC BY. При цьому вони мають право укладати самостійно додаткові угоди, що стосуються неексклюзивного поширення роботи у тому вигляді, в якому вона була опублікована цим журналом, але за умови збереження посилання на першу публікацію статті в цьому журналі.