CC BY
55
DOI: 10.24412/2413-2527-2021-125-15-20
Архитектура системы автоматизированного распознавания единиц подвижного состава
С. Е. Фролова, к.и.н. А. В. Забродин Петербургский государственный университет путей сообщения Императора Александра I
Санкт-Петербург, Россия frolova.svetlana19@yandex.ru, zabrodin@pgups.ru
Аннотация. Рассмотрено решение задачи автоматизированного распознавания параметров единиц подвижного состава в режиме реального времени. Рассмотрены существующие системы распознавания номеров железнодорожных вагонов. Представлен анализ архитектур и краткий обзор существующих систем распознавания номеров железнодорожных вагонов: АРСИС, SecurOS Transit, АСКИН, решение для ж.-д. транспорта на основе «Авто-Интеллекта». Проанализирована возможность внедрения существующих систем на предприятие. Выбрана архитектура автоматизированной системы для решения задачи по распознаванию основных идентификационных знаков единиц подвижного состава в режиме реального времени. Приведен пример реализации предлагаемой в статье архитектуры в виде диаграммы UML.
Ключевые слова: идентификация стандартных знаков грузовых вагонов, системы распознавания номеров железнодорожных вагонов, знаки и надписи на вагонах.
Введение
Сегодня важным аспектом эффективности использования железнодорожного транспорта и контроля его состояния является идентификация вагонов подвижного состава (ПС) по инвентарному номеру. Основная проблема оптимизации производственных процессов на станции заключается в том, что процесс контроля передвижения объектов подвижного состава железнодорожного транспорта, включая идентификацию, на станции его обработки не автоматизирован [1]. Контролем подвижного состава на сегодняшний день занимаются сотни сотрудников ОАО «РЖД», обеспечивающих соответствующие производственно-технологические процессы (осмотрщик вагонов по единому тарифно-квалификационному справочнику [2]). Ввиду того, что осмотр вагонов осуществляется вручную, на конечные операции с вагоном тратится большое количество времени, и этот процесс является экономически затратным.
Очевидным способом значительно ускорить и удешевить процесс осмотра вагонов подвижного состава является разработка автоматизированных систем идентификации вагонов и распознавания трафаретов, нанесенных на вагон. Распознавание параметров единиц ПС является актуальным, поскольку с каждым днем увеличивается потребность автоматизации контроля въезда на территорию объектов и снижения влияния человеческого фактора. В связи с этим возникает задача автоматизированного распознавания параметров единиц ПС в режиме реального времени, решение которой возможно осуществить с помощью нейронных сетей.
Целью разработки программного комплекса является распознавание не только номера вагона, но и таких пара-
метров единиц ПС, как знак калибровки котла, код администрации и пр.
В статье представлена архитектура, выбранная для решения задачи по автоматизированному распознаванию основных идентификационных знаков единиц ПС в режиме реального времени на основе использования нейронных сетей, а также представлен анализ существующих систем распознавания номеров железнодорожных вагонов.
Анализ программных средств распознавания образов
На каждый вагон в подвижном составе наносятся несколько основных трафаретов: номер вагона, знак калибровки котла, кодовый номер ж.-д. администрации, грузоподъемность и др. Знаки и надписи, предусмотренные альбомом «Знаки и надписи на вагонах грузового парка колеи 1520 мм», должны наноситься на все типы грузовых вагонов колеи 1520 мм любой формы собственности, имеющих право выхода на пути общего пользования [3]. Основным трафаретом, наносимым на грузовой вагон, является инвентарный номер. Это вызвано тем, что уникальный инвентарный номер, который присваивается вагону, может рассказать его основные характеристики и обеспечивает кодовую защиту достоверности считывания номера вагона. Именно решению задачи распознавания основных трафаретов посвящена настоящая статья.
Рассмотрим положение дел с идентификацией вагона и распознаванием трафаретов, наносимых на вагон, на примере АРСИС (ARSCIS). Это семейство решений по идентификации вагонов, управлению отгрузкой продукции ж.-д. транспортом, коммерческому осмотру вагонов, контролю передвижения и местонахождения вагонов, построенное на платформе системы распознавания номеров вагонов и решающее задачи служб метрологии, логистики и безопасности [4].
Представленное программное средство распознавания позволяет решать большой комплекс задач: идентификация каждого вагона в подвижном составе по инвентарному номеру, отслеживание местоположения вагонов, осмотр вагонов без присутствия персонала на ж.-д. путях, контроль дислокации и перемещения вагонов и многое другое [4].
Также на рынке представлена система распознавания номеров железнодорожных вагонов SecurOS Transit [5]. Система интеллектуального видеоанализа SecurOS Transit обеспечивает автоматизацию процесса регистрации и контроля передвижения объектов подвижного состава (вагонов, цистерн и платформ) железных дорог [5].
Функционал системы позволяет также эффективно решать целый ряд рутинных задач, связанных с идентификацией вагонов, контролем перевозок и состояния грузов, при этом зна-
чительно увеличивает скорость получения и обработки данных [5]. Внедрение такой системы позволит решить задачу идентификации вагона по инвентарному номеру.
Кроме этого, существует решение по идентификации вагонов подвижного состава от ведущего российского разработчика программного обеспечения для интеллектуальных интегрированных систем безопасности и видеонаблюдения ГГУ [6].
Решение для железнодорожного транспорта на основе «Авто-Интеллекта» автоматически распознает номера пассажирских и грузовых железнодорожных вагонов по видеоизображению, определяет направление движения, ведет подсчет вагонов в составе и вносит полученные данные, синхронизированные с видеозаписью, в базу данных [7]. Система позволяет получить по каждому железнодорожному вагону отчет, содержащий время прохождения поста контроля, название поста и связанные видеокадры [7]. Таким образом обеспечивается надежный контроль оборота подвижного состава на выбранном маршруте или на территории предприятия [7].
Последней в статье рассмотрена система, разработанная АО «Альфа-Прибор», — автоматизированная система контроля инвентарных номеров вагонов (АСКИН) [8]. Основными направлениями деятельности компании являются: разработка и поставка широкого спектра продукции и готовых отраслевых решений, предназначенных для использования в сфере обеспечения безопасности и охраны объектов; разработка и поставка продукции, предназначенной для использования в сфере обеспечения безопасности и автоматизации технологических процессов на железнодорожном транспорте и др. [8].
Система АСКИН предназначена для автоматического считывания номеров вагонов прибывающих или отправляющихся составов, их распознавания, формирования справки и передачи ее в АСУ станции, где результаты распознавания проверяются на соответствие телеграмме — натурному листу (ТГНЛ) поезда, либо иным справочным данным, применяемым на территории предприятия [8].
Можно заметить, что все рассмотренные в статье программные средства распознавания позволяют решать большой комплекс задач, связанных с контролем подвижного состава и дистанционным управлением железнодорожными грузоперевозками. Однако они не пригодны для задачи рас-
познавания других параметров вагона, а именно трафаретов: знак калибровки котла, кодовый номер ж.-д. администрации и грузоподъемность. Так как разрабатываемая автоматизированная система является подобным программным обеспечением, только с расширенным функционалом, имеет смысл рассмотреть архитектуры существующих систем распознавания номеров железнодорожных вагонов.
В статье представлен краткий обзор существующих систем распознавания номеров железнодорожных вагонов:
1) АРСИС;
2) SecurOS Transit;
3) решение для ж.-д. транспорта на основе «АвтоИнтеллекта»;
4) АСКИН.
Рассмотрим архитектуры этих систем.
1. АРСИС — это решение, представленное компанией «Малленом Системс» [9]. Архитектура данной системы, представленная на рисунке 1, включает в себя камеры, прожекторы, датчики колесных пар, шкаф АРСИС, сервер и автоматизированное рабочее место (АРМ) оператора [4, 9].
Рис. 1. Состав системы распознавания номеров АРСИС
2. SecurOS Transit — решение от компании ISS [10]. В состав системы входят камеры фиксации, обзорная камера, видеосервер, базы данных (БД) и АРМ оператора. Возможный вариант архитектуры представлен на рисунке 2 [5, 10].
Рис. 2. Архитектура SecurOS Transit
1п1е11есШа1 Technologies оп ТташроН. 2021. N0 1
Рис. 3. Вариант структуры системы «Авто-Интеллект»
Рис. 4. Структура АСКИН
3. Решение для железнодорожного транспорта на основе «Авто-Интеллекта» от разработчика программного обеспечения ГГУ [6, 7]. В единую систему может быть объединено неограниченное количество видеокамер, серверов хранения и обработки данных, а также автоматизированных рабочих мест оператора (рис. 3) [7].
4. АСКИН обеспечивает формирование видеоизображений, содержащих инвентарные номера вагонов, распознавание восьмизначных инвентарных номеров вагонов по сформированным видеоизображениям, формирование номерного списка вагонов поезда и многое другое [8]. В состав системы АСКИН входят: напольное оборудование постов считывания (ПСЧ); подсистема телевизионного наблюдения; подсистема освещения; подсистема счета вагонов; подсистема передачи информации; сервер распознавания (рис. 4) [11].
Сравнительный анализ архитектур рассмотренных программных средств распознавания инвентарных номеров грузовых вагонов представлен в таблице 1.
Таблица 1
Состав средств распознавания инвентарных номеров грузовых вагонов
Системы распознавания
АРСИС SecureOS Transit «АвтоИнтеллект» АСКИН
Камеры Прожекторы Датчики Камеры фиксации Обзорная камера Видеокамеры ПСЧ
Шкаф АРСИС БД Сервер хранения Сервер распознавания
Сервер Видеосервер Сервер обработки данных
АРМ АРМ АРМ АРМ
Можно заметить, что общая структура архитектур систем по распознаванию образов очень схожа и позволяет распознавать идентификационные номера вагонов с высокой точностью, однако функционал программного обеспечения имеет ограниченные возможности.
Архитектура автоматизированной системы
по распознаванию параметров единиц подвижного состава Имеется возможность доработать все рассмотренные программные средства так, чтобы распознавать не только номер вагона, однако возникает ряд трудностей.
Во-первых, часть систем поставляется «под ключ»: ими можно пользоваться, но нельзя доработать, поскольку нет прав на это. Заниматься доработкой (модификацией) могут
только либо правообладатель, либо лицо, уполномоченное правообладателем на изменение и модификацию (получившее соответствующие права). Все предлагаемые системы закрыты и нет возможности для бесплатной модификации.
Во-вторых, в процессе интеграции нового ПО будут проблемы, связанные с совместимостью. Каждая система обладает своей структурой и при внедрении нового ПО это необходимо учитывать. Для удачного внедрения скорее необходимо будет либо изменить существующую структуру бизнес-процессов или структуру информационного обмена (документооборот) на предприятии, либо разрабатывать интерфейсы взаимодействия программ.
В-третьих, одним из этапов внедрения является сопровождение. Для того чтобы осуществлять сопровождение стороннего ПО на своем предприятии, необходимо постоянно нанимать администратора программного комплекса или заключать договор с фирмой-разработчиком, которая будет предоставлять сотрудника для решения технических проблем. Также имеется риск того, что компания может обанкротиться или прекратить поддержку ПО.
Есть еще один момент — избыточность функционала в существующих системах. Функционал программ зачастую является избыточным и требует дополнительных ресурсов для действий, которые могут оказаться ненужными. С целью экономии финансовых средств очень важно, чтобы функционал предоставляемого ПО соответствовал тому, который требуется на предприятии.
Основной сложностью будет являться обучение персонала для работы с новым ПО. До тех пор пока персонал не будет обучен, имеется достаточно большой риск возникновения ошибок. Также интерфейс может значительно отличаться от общекорпоративного, что вызовет дополнительные трудности в обучении. Кроме этого, даже незначительная ошибка в процессе работы может сказаться на безопасности движения железнодорожного транспорта в целом.
Опираясь на анализ архитектур существующих систем по распознаванию образов, можно сделать вывод о том, что структура разрабатываемой автоматизированной системы по распознаванию параметров единиц подвижного состава будет состоять из следующих компонентов: рамка с камерами, датчик движения, сервер с программой по распознаванию, а также АРМ пользователя.
Пример реализации модели «Автоматизированная система распознавания единиц подвижного состава» представлен с помощью диаграммы вариантов использования на рисунке 5.
Рис. 5. Диаграмма вариантов использования
Работа системы осуществляется следующим образом: после срабатывания датчиков при прохождении состава через рамку с камерами происходит фотофиксация каждого вагона подвижного состава с нескольких ракурсов, далее все изображения передаются на сервер в режиме реального времени, где они хранятся и обрабатываются (распознаются доступные идентификационные знаки, имеющиеся на вагонах). После прохождения подвижного состава через рамку и обработки всех полученных изображений информация о составе передается в пользовательское автоматизированное рабочее место. Для пользователя доступна основная информация: дата и время распознавания, идентификационный номер, знак калибровки котла, код администрации и грузоподъемность.
Заключение
В статье рассмотрены решение задачи автоматизированного распознавания параметров единиц подвижного состава в режиме реального времени, а также существующие системы распознавания номеров железнодорожных вагонов. Представлен анализ архитектур существующих систем распознавания номеров железнодорожных вагонов. Выбрана архитектура разрабатываемой системы. Приведен конкретный пример реализации предлагаемой в статье архитектуры с помощью средств языка программирования UML, а именно диаграммы вариантов использования.
Литература
1. Веснин, Е. Распознавание номеров вагонов: принципы решения и приложение в промышленности / Е. Веснин, В. Царев, А. Михайлов // Control Engineering Россия. 2014. № 1 (49). С. 60-66.
2. Общероссийские классификаторы и справочники — Справочная система Etks.Info. URL: http://etks.info (дата обращения 17.01.2021).
3. 632-2011 ПКБ ЦВ. Знаки и надписи на вагонах грузового парка железных дорог колеи 1520 мм. Альбом-справочник: [Утвержден Советом по ж.-д. транспорту государств участников Содружества (протокол от 16-17.10.2012 № 57) с изм. и доп., утв. на 58-м, 59-м, 63-м,
70-м, 73-м заседаниях СЖТ СНГ (с внесенными изменениями по извещениям: 32 ЦВ 1-2013; 32 ЦВ 27-2013; 32 ЦВ 28-2013; 32 ЦВ 7-2019; 32 ЦВ 25-2019)] / Дирекция Совета по железнодорожному транспорту государств-участников Содружества. — 2012. — 63 с. URL : http://myrailway. ru/directory/znaki-i-nadpisi-na-vago-nah-gruzovogo-parka-kolei-1520-mm1 (дата обращения 10.01.2021).
4. АРСИС (ARSCIS) // Mallenom Systems. URL: http://www.mallenom.ru/products/videokontrol-i-uchet-zhd-transporta/arscis (дата обращения 20.01.2021).
5. ISS SecurOS Transit — автоматизация процесса регистрации и контроля передвижения объектов подвижного состава (вагонов, цистерн и платформ) железных дорог // ISS — Интеллектуальные Системы Безопасности. URL: http://iss.ru/products/securos-transit#overview (дата обращения 21.01.2021).
6. ITV — системы безопасности и видеонаблюдения. URL: http://www.itv.ru (дата обращения 22.01.2021).
7. Распознавание номеров вагонов / ITV|AxxonSoft // «Авто-Интеллект» — система распознавания автомобильных номеров и обеспечения безопасности дорожного движения.
URL: http://www.itv.ru/products/intellect/autointellect/raspo-znovaie-nomerov-vagonov.php (дата обращения 23.01.2021).
8. Автоматизированная система контроля инвентарных номеров вагонов (АСКИН) // ОАО НИИ «Альфа-Прибор». URL : http ://www.alfa-pribor. ru/products/automated-inspecti-on-system/askin (дата обращения: 24.01.2021).
9. Компания «Малленом Системс»: Системы технического зрения. Системы распознавания номеров. Системы моделирования. URL: https://www.mallenom.ru (дата обращения 15.01.2021).
10. ISS — Интеллектуальные Системы Безопасности. URL: http://iss.ru (дата обращения 17.01.2021).
11. АСКИН — автоматизированная система контроля инвентарных номеров вагонов. URL: http://www.alfa-pribor.ru/pdf%20files/askin.pdf (дата обращения 27.01.2021).
DOI: 10.24412/2413-2527-2021-125-15-20
The Architecture of the System of Automated Recognition of Rolling Stock Units
S. E. Frolova, PhD A. V. Zabrodin Emperor Alexander I St. Petersburg State Transport University Saint Petersburg, Russia frolova.svetlana19@yandex.ru, zabrodin@pgups.ru
Abstract. The article considers the solution of the problem of automated recognition of the parameters of rolling stock units in real time. The existing systems for recognition of numbers of railway cars are considered. An analysis of the architectures of existing systems for recognizing numbers of railway cars is presented: ARSIS, SecurOS Transit, ASKIN, a solution for railway transport based on «Auto-Intelligence». The possibility of introducing existing systems to an enterprise has been analyzed. The architecture of an automated system is chosen to solve the problem of recognizing the main identification marks of rolling stock units in real time. A specific example of the implementation of the architecture proposed in the article in the form of a UML diagram is given.
Keywords: identification of standard signs of freight cars, recognition systems for numbers of railway cars, signs and inscriptions on railway cars.
References
1. Vesnin E., Tsarev V., Mikhailov A. Recognition of Wagon Numbers: Solution Principles and Application in Industry [Raspoznavanie nomerov vagonov: printsipy resheniya i prilozhenie v promyshlennosti], Control Engineering Russia [Control EngineeringRossiya], 2014, No. 1 (49), Pp. 60-66.
2. All-Russian Classifiers and Reference Books — Reference System Etks.Info [Obshcherossiyskie klassifikatory i spravochniki — Spravochnaya sistema Etks.Info.]. Available at: http://etks.info (accessed 17 Jan 2021).
3. 632-2011 PKB TsV. Signs and inscriptions on the wagons of the freight fleet of 1520 mm gauge railways. Reference album [632-2011 PKB TsV. Znaki i nadpisi na vagonakh gru-zovogo parka zheleznykh dorog kolei 1520 mm. Al'bom-spravochnik]. 2012, 63 p. Available at: http://myrailway.ru/ directory/znaki-i-nadpisi-na-vagonah-gruzovogo-parka-kolei-1520-mm1 (accessed 10 Jan 2021).
4. ARSCIS, Mallenom Systems. Available at: http://www.mallenom.ru/products/videokontrol-i-uchet-zhd-transporta/arscis (accessed 20 Jan 2021).
5. ISS SecurOS Transit — video analytic tools for registration of railway vehicles [ISS SecurOS Transit — avtomati-zatsiya protsessa registratsii i kontrolya peredvizheniya ob''ektov podvizhnogo sostava (vagonov, tsistern i platform) zheleznykh dorog], ISS — Intelligent Security Systems [ISS — Intellektualnyye sistemy bezopasnosti].
Available at: http://iss.ru/products/securos-transit#overview (accessed 21 Jan 2021).
6. ITV — security and video surveillance systems [ITV — sistemy bezopasnosti i videonablyudeniya]. Available at: http://www.itv.ru (accessed 22 Jan 2021).
7. Recognition of wagon numbers [Raspoznavaniye nomerov vagonov], ITV\AxxonSoft. Available at: http://www.itv.ru/products/intellect/autointellect/raspoznovaie -nomerov-vagonov.php (accessed 23 Jan 2021).
8. Automated system for monitoring the inventory numbers of wagons (ASKIN) [Avtomatizirovannaya sistema kontrolya inventarnykh nomerov vagonov (ASKIN)], Research and Production Enterprise «Alfa-Pribor» JSC [OAO NPP «Alfa-Pribor»]. Available at: http://www.alfa-pribor.ru/products/automated-inspection-system/askin (accessed 24 Jan 2021).
9. Mallenom Systems: Machine vision systems. ANPR and railcar number recognition systems. Computer modeling systems [Kompaniya «Mallenom Sistems»: Sistemy tekhnich-eskogo zreniya. Sistemy raspoznavaniya nomerov. Sistemy modelirovaniya]. Available at: http://www.mallenom.ru (accessed 15 Jan 2021).
10. ISS — Intelligent Security Systems [ISS — Intellektualnyye sistemy bezopasnosti]. Available at: http://iss.ru (accessed 17 Jan 2021).
11. ASKIN — Automated system for monitoring the inventory numbers of wagons [ASKIN — avtomatizirovannaya sistema kontrolya inventarnykh nomerov vagonov]. Available at: http://www.alfa-pribor.ru/pdf%20files/askin.pdf (accessed 27 Jan 2021).
HHmenneKmyanbHbie техноnогии Ha mpaHcnopme. 2021. № 1
20
