Исследование и разработка ключевых элементов дорожных радаров для повышения их комплексной эффективности в интеллектуальных транспортных системах

В настоящий момент происходит стремительное внедрение в различные области жизни и промышленности технологий Интернета вещей. С этой концепцией неразрывно связаны такие понятия как "Умная дорога" (Smart Highway) и "Умный автомобиль" (Connected Car; анголоязычное название зачастую используют как кальку, говоря о "Подключенном автомобиле"). Развитие этих технологий открывает возможность интеллектуального управления потоками транспортных средств, позволяет повысить качество и безопасность дорожной инфраструктуры, осуществляя переход к интеллектуальным транспортным системам. В ноябре 2023 года опубликовано распоряжение № 3097-р Правительства об утверждении стратегического направления в области цифровой трансформации транспортной отрасли Российской Федерации, среди задач которой цифровизация управления транспортным комплексом и цифровизация жизненного цикла инфраструктуры и транспортных средств. Эти задачи неотъемлемо связаны с технологиями, позволяющими накапливать большие данные о нагрузке, создаваемой участниками дорожного движения на объекты дорожной инфраструктуры. Иными словами, инфраструктура "Умных дорог" требует наличия сенсорной подсистемы для подсчета и классификации транспортных средств для накопления больших данных о транспортных потоках с целью дальнейшего применения подхода "управления по данным" и предиктивной аналитики в транспортной отрасли. На сегодняшний день для подсчета и анализа дорожного трафика используются несколько способов: оснащение автомобилей специализированными датчиками, передающими информацию через беспроводные сети; на основе компьютерного зрения (с использованием, например, нейронных сетей YOLO) и на основе данных сверхвысокочастотных радаров. В двух последних случаях оборудование для фиксации трафика устанавливается на конструкциях, входящих в дорожную инфраструктуру. Преимущества использования радаров: большая в сравнении с камерой дальность анализа, способность работать в условиях плохой видимости (туман, осадки, темное время суток), невосприимчивость к загрязнениям. При этом радары менее эффективны в задачах классификации транспортных средств. Таким образом, актуальной является задача повышения эффективности радаров путем совершенствования их ключевых элементов: фазированных антенных решеток и алгоритмов обработки сигналов, на решение которой направлен данный проект. Научная новизна исследования состоит в создании научно-технологического задела для реализации новых подходов к проектированию дорожных радаров, использующих методы машинного обучения для повышения эффективности обработки сигналов. Практическая реализация таких устройств актуальна для отечественного рынка, поскольку сейчас на нем представлены только иностранные дорожные радары. Создание отечественных дорожных радаров, таким образом, является важной научной задачей и имеет практическую и стратегическую ценность, обеспечивая технологический суверенитет в процессе цифровой трансформации транспортной отрасли