Urban Intersection Collision Warning System Utilizing Traffic Surveillance Cameras

Ensuring safety at intersections is a significant challenge, highlighting the urgent need for robust collision prevention systems. This study introduces an innovative Collision Warning (CW) system designed to proactively detect and warn of potential collisions between different traffic participants at urban intersections. The system seamlessly integrates real-time video surveillance, YOLOv3-based object detection and sophisticated data processing technology to accurately identify collision risks and issue alerts in a timely manner. This research deeply explores the cutting-edge technologies and solutions in CW systems, object detection and deep learning. In addition, scene design is carried out using platforms such as MATLAB and Unreal Engine, involving model training and algorithm development of the CW system. Rigorous validation across multiple scenarios, including vehicles, pedestrians, and cyclists, taking into account reaction times, communication delays, and braking distances, conclusively demonstrates that the system is accurate to identify potential collision risks. even in complex scenarios with multiple interacting objects. The system's output displays target locations and collision predictions, allowing operators to quickly execute evasive maneuvers to prevent potential collision events. Compared to other CW systems, this solution offers significant advantages in terms of flexibility, cost-effectiveness and privacy protection. By utilizing advanced collision avoidance technology, this research effectively enhances the safety of intersections, making a significant contribution to the continuous improvement of road safety and traffic management standards.

Garantire la sicurezza negli incroci rappresenta una sfida significativa, evidenziando l'urgente necessità di sistemi robusti di prevenzione delle collisioni. Questo studio introduce un innovativo sistema di avviso di collisione (CW) progettato per rilevare in modo proattivo e segnalare le potenziali collisioni tra diversi partecipanti al traffico negli incroci urbani. Il sistema integra in modo impeccabile la sorveglianza video in tempo reale, la rilevazione degli oggetti basata su YOLOv3 e sofisticate tecnologie di elaborazione dei dati per identificare accuratamente i rischi di collisione e emettere avvisi tempestivi. Questa ricerca esplora approfonditamente le tecnologie all'avanguardia e le soluzioni nei sistemi CW, nella rilevazione degli oggetti e nell'apprendimento approfondito. Inoltre, la progettazione delle scene viene effettuata utilizzando piattaforme come MATLAB e Unreal Engine, coinvolgendo l'addestramento del modello e lo sviluppo dell'algoritmo del sistema CW. Una rigorosa convalida in diverse situazioni, tra cui veicoli, pedoni e ciclisti, tenendo conto dei tempi di reazione, dei ritardi nella comunicazione e delle distanze di frenata, dimostra in modo conclamato che il sistema è in grado di identificare con precisione i rischi di collisione potenziali, persino in scenari complessi con oggetti multipli che interagiscono. L'output del sistema mostra le posizioni degli obiettivi e le previsioni di collisione, consentendo agli operatori di eseguire rapidamente manovre evasive per prevenire eventi di collisione potenziali. Rispetto ad altri sistemi CW, questa soluzione offre significativi vantaggi in termini di flessibilità, convenienza e protezione della privacy. Utilizzando tecnologie avanzate per la prevenzione delle collisioni, questa ricerca potenzia efficacemente la sicurezza degli incroci, apportando un significativo contributo al miglioramento continuo della sicurezza stradale e degli standard di gestione del traffico.