АНАЛИЗ ПЕРЕДОВЫХ ТЕХНОЛОГИЙ ДЛЯ СОЗДАНИЯ СИСТЕМЫ УМНОЙ ПАРКОВКИ В КОНЦЕПЦИИ «УМНЫЙ ГОРОД»

ANALYSIS OF ADVANCED TECHNOLOGIES FOR CREATING AN INTELLIGENT PARKING SYSTEM IN THE «SMART CITY» CONCEPT

Karina Utegenova

Master's student, Faculty of Technology Management and Innovation, Saint Petersburg National Research University of Information Technologies, Mechanics and Optics,

Russia, Saint Petersburg

АННОТАЦИЯ

В данной статье рассматривается проблема поиска свободных парковочных мест в загруженных местах. Для поиска парковочного пространства рассматриваются такие технологии как: встраиваемые датчики, нейросетевые технологий, а также поиск свободных мест с помощью оптического распознавания меток.

ABSTRACT

This article discusses the problem of finding free parking spaces in busy places. To search for parking space, technologies such as embedded sensors, neural network technologies, as well as the search for free spaces using optical tag recognition are considered.

Ключевые слова: умная парковка, датчики, потоковое видео, поиск парковочных мест, система, передовые технологии, умный город.

Keywords: smart parking, sensors, video streaming, parking space search, system, advanced technology, smart city.

В настоящее время на многих парковках с интенсивным движением транспорта, например, в аэропортах, на спортивных стадионах и торговых центрах, используются стойки для въезда и выезда транспортных средств. Хотя этот простой подход показывает количество свободных парковочных мест на данном уровне, но он не может предоставить водителям какую-либо информацию о конкретном расположении свободных парковочных сооружений. Система, которая могла бы отслеживать доступные места и передавать данные на смартфоны водителей или даже билет, полученный при въезде в структуру, улучшила бы передвижение водителя и уменьшила бы заторы [1].

Одна такая система была внедрена Управлением городского транспорта Сан-Франциско, которое профинансировало проект SFpark по охвату 5100 измеряемых пространств по всему городу с использованием встроенных беспроводных оптических датчиков. Датчики обеспечивают переменную точность в зависимости от эксплуатационных затрат, самая высокая заявленная точность составляет 92%. Датчики настроены на обнаружение транспортных средств в пределах определенной области, и поэтому требуют четкого разграничения на улице. Стоимость установки и эксплуатации датчика измерения составляет примерно 500 долларов США за единицу в год [2].

Другой подход заключался во встраивании ультразвуковых датчиков на борт транспортных средств в сочетании с GPS, которые могут обеспечивать обнаружение свободного места на парковке [3]. Однако размещение датчика на мобильной платформе создает дополнительную сложность, и развертывание этой технологии создает свои собственные проблемы.

Другие подходы с использованием обработки изображений основаны преимущественно на сегментации изображения на основе цветовых гистограмм. Его недостаток заключается в том, что он не надежен по отношению к автомобилям, цвет которых совпадает с цветом фона, но также требует переменных пороговых значений в зависимости от условий освещения, что может быть сложной проблемой для количественной оценки.[4]

Другим аспектом существующих алгоритмов является использование помеченных вручную областей парковки - этот метод приемлем для небольших парковочных зон, т.к. было бы утомительно и проблемно реализовать систему для больших парковочных структур с большим количеством мест.

Способность видеть и распознавать объекты является естественным и привычным действием для человека, но для компьютера на сегодняшний день эта задача является сложной. В обычной жизни человек сталкивается с компьютерным зрением ежедневно, например, на в супермаркете, когда товар следует отсканировать по штрих коду. Данный подход разработан таким образом, чтобы облегчить компьютер процесс считывания. В рамках диплома перед нами стоит задача распознавания свободных парковочных мест [4].

Компьютерное зрение

В процессе своей жизни человек познает большое количество информации, процесс обучения нейросети не останавливается. Человек не видит перед собой преград в процессе восстановления перспективы смотря на плоское изображение, а также представление того, как выглядело бы это в трех измерениях.

Для компьютера эта задача является наиболее затруднительной из-за неспособности применить свой опыт.

Помимо этого, когда человек распознает объект, он всегда учитывает окружение. Если выделить объект из привычного окружения, распознать его станет тяжелее. В этом случает в пользу человека играет роль опыта, который он накопил, у компьютера такой возможности нет.

Для примера используем возможность распознать пол человека по фотографии. Во-первых, следует обозначить факторы, которые укажут на принадлежность к тому или иному объекту. Помимо этого, следует собрать обучающее множество, будет лучше если оно будет репрезентативным. На нашем примере будем анализировать всех присутствующих в аудитории и на их основе найдем все отличительные факторы, такие как соответствие одежды, наличие длинных волос, бороды и так далее. Данные факторы позволят нам обозначить точные правила: наличие тех или иных факторов с некой вероятностью позволит на определить пол человека на изображении [5].

Машинное обучение

В реальной жизни для компьютерных технологий факторов гораздо больше. Для человека определение вручную и просчитывание зависимости факторов является непосильной задачей, следовательно, в таком случае без машинного обучения не обойтись. Например, человек может определить определенное количество факторов и задать положительные и отрицательные примеры, далее зависимость между этими факторами подбираются автоматически, применяется формула, которая позволит принять то или иное решение.

Таким образом, на основе анализа существующих решений была выявлена актуальная тема разработки проекта для анализа транспортных потоков и поиска свободных парковочных мест в городе на основе встраиваемых датчиков, нейросетевых технологий, а также поиск свободных мест с помощью оптического распознавания меток.

Список литературы:

1. Умная парковка [Электронный ресурс]. – URL: http://www.abs-magazine.ru/article/umnaja-parkovka (дата обращения 10.05.2021).
2. «Умные парковки» – новый подход к решению проблемы паркинга в городах [Электронный ресурс]. – URL: http://xn--80aehoibjimhm4a0i.xn--p1ai/ (дата обращения 10.05.2021).
3. KBV Research. Исследование рынка умных парковок. – Текст : электронный // ict.moscow: [сайт]. – URL: https://ict.moscow/research/issledovanie-rynka-umnyh-parkovok/ обращения: 10.03.2021).
4. Алпатов Б.А., Бабаян П.В., Балашов О.Е., Степашкин А.И. Методы автоматического обнаружения и сопровождения объектов. Обработка изображений и управление. – М.: Радио-техника, 2008. – 176 с.
5. Проект цифровизации городского хозяйства «Умный город» [сайт] //URL: https://minstroyrf.gov.ru (дата обращения: 10.04.2021).