Проблема ухудшения качества воздуха уже давно беспокоит общественность не только крупных городов. Существенную долю вреда несомненно вносит транспорт, без которого не представляется существование современного общества. Даже изобретение новых видов топлива и использование электроавтомобилей не оказывает ожидаемого положительного эффекта. Многочисленные исследования доказали вред, наносимый здоровью людей в виде различных заболеваний, распространенных во всех возрастных группах: сердечно-сосудистые, респираторные, рак. Выбросы от транспорта образуются от полного и неполного сгорания топлива, масла, смазки, и состоят из сложных частиц и газов, большинство которых очень токсичны (оксиды углерода, азота и углеводорода, сажа). Частицы от истирания шин, тормозов: РМ10 и РМ2,5 также представляют серьезную угрозу здоровью людей. Поэтому первостепенное значение приобретает оценка качества воздуха в экологически неблагоприятных местах или точках уличной дорожной сети с целью принятия эффективных мероприятий по организации дорожного движения с целью повышения качества воздуха.
Выхлопные газы рассеиваются от потока ветра и турбулентности, которую создает сам транспортный поток. В условиях плотной высокой городской застройки, которая формирует так называемый «уличный каньон», рассеивание вредных веществ происходит очень медленно, что негативно сказывается на качестве воздуха, и в конечном счете на здоровье населения.
Многие предложенные модели основаны на средних показателях интенсивности движения и средних скоростях движения в определенный промежуток времени, что существенно отражается на полученной оценке количества выбросов. Широкое внедрение камер наружного наблюдения, которые используются в целях контроля соблюдения правил движения, нашло применение и в сфере сбора данных о транспортных потоках. Применение глубокого обучения нейронных сетей позволило не только собрать данные о количестве ТС, но и получить количественную оценку структуры ТП по их типам.
В нашем исследовании предложена методика расчета концентрации ВВ от автотранспорта на регулируемом пересечении на основе данных видеопотока в режиме реального времени. Данные видеопотока обрабатываются с помощью обученной нейронной сети YOLOv4, где происходит процесс распознавания типа ТС, рассчитывается его скорость на каждом отрезке его траектории движения. Таким образом, на основе методики расчёта, утвержденной Приказом Министерства природных ресурсов и экологии РФ [1], и данных о параметрах ТП с учетом текущих метеорологических условий, предложенная методика позволяет получить реальные данные о количестве выбросов ВВ в атмосферу от транспорта в любой точке дорожной сети.