CC BY
74УДК 004.89
Информационные технологии
Панина Виктория Сергеевна, студент-магистр, Калужский филиал ФГБОУ ВО «Московский государственный технический университет имени Н.Э.
Баумана» (национальный исследовательский университет) Амеличев Глеб Эдуардович, аспирант, Калужский филиал ФГБОУ ВО «Московский государственный технический университет имени Н.Э. Баумана» (национальный исследовательский университет) Белов Юрий Сергеевич, к.ф. - м.н., доцент, Калужский филиал ФГБОУ ВО «Московский государственный технический университет имени Н.Э. Баумана» (национальный исследовательский университет)
ИНТЕЛЛЕКТУАЛЬНАЯ ПАРКОВОЧНАЯ СИСТЕМА КАК ЧАСТЬ ИНТЕЛЛЕКТУАЛЬНОЙ ТРАНСПОРТНОЙ СИСТЕМЫ
Аннотация: Индустриализация мира, рост населения, медленные темпы развития городов и неправильное управление доступными парковочными местами привели к проблемам, связанным с парковкой. Существует острая потребность в безопасной, интеллектуальной, эффективной и надежной системе, которую можно было бы использовать для поиска незанятых парковочных мест, направления к стоянке, согласования платы за стоянку, а также для надлежащего управления стоянкой. Служба интеллектуальной парковки является частью интеллектуальных транспортных систем (ИТС). В этой статье рассматриваются различные интеллектуальные службы парковки, используемые для управления парковками. Описанные системы смогут уменьшить проблемы, возникающие из-за отсутствия надежной, эффективной и современной парковочной системы.
Ключевые слова: Интеллектуальная парковочная система, интеллектуальная транспортная система, экспертные системы, GPS, интернет
вещей, компьютерное зрение, машинное обучение, глубокое обучение, сверточные нейронные сети.
Annotation: The industrialization of the world, population growth, slow urban development and mismanagement of available parking spaces have led to parking problems. There is an urgent need for a safe, intelligent, efficient and reliable system that can be used to find unoccupied parking spaces, guide you to parking, negotiate parking fees, and manage parking properly. The Intelligent Parking Service is part of Intelligent Transportation Systems (ITS). This article explores the various intelligent parking services used to manage parking. The systems described will be able to reduce the problems arising from the lack of a reliable, efficient and modern parking system.
Keywords: Smart parking system, smart transportation system, expert systems, GPS, computer vision, Internet of Things, machine learning, deep learning, convolutional neural networks.
Введение. Благодаря концепции "умного города", превращающей города в цифровые общества, облегчающей жизнь их граждан во всех аспектах, Интеллектуальная транспортная система становится незаменимым компонентом для всех. Интеллектуальная транспортная система (ИТС) направлена на достижение эффективности дорожного движения за счет минимизации транспортных проблем. Она предоставляет пользователям предварительную информацию о дорожном движении, информацию о местных удобствах в режиме реального времени, наличии свободных мест и т.д. что сокращает время в пути пассажиров, а также повышает их безопасность и комфорт.
Интеллектуальная транспортная система (ИТС) - это передовое приложение, которое направлено на предоставление инновационных услуг, связанных с различными видами транспорта и управлением движением, и позволяет пользователям быть более информированными и обеспечивать более
безопасное, скоординированное и "разумное" использование транспортных сетей [3].
Все применение ИТС основано на сборе данных, анализе и использовании результатов анализа в концепциях операций, контроля и исследований для управления дорожным движением, где местоположение играет важную роль. Все данные собираются и анализируются для дальнейших операций и управлением дорожным движением в режиме реального времени.
Сбор данных
Стратегическое планирование требует точного, обширного и оперативного сбора данных с наблюдением в режиме реального времени. Таким образом, данные здесь собираются с помощью различных аппаратных устройств, которые закладывают основу для дальнейших функций ИТС. Эти устройства представляют собой автоматические идентификаторы транспортных средств, автоматические локаторы транспортных средств на основе GPS, датчики, камеры и т.д. Аппаратное обеспечение в основном записывает такие данные, как количество трафика, наблюдение, скорость и время в пути, местоположение, вес транспортного средства, задержки и т.д. Эти аппаратные устройства подключены к серверам, обычно расположенным в центре сбора данных, где хранятся большие объемы данных для дальнейшего анализа.
Передача данных
Быстрая передача информации в режиме реального времени является ключом к мастерству в реализации ИТС, поэтому этот аспект ИТС состоит в передаче собранных данных с места и последующей отправке обратно этой проанализированной информации конечным пользователям. Объявления, связанные с дорожным движением, доводятся до сведения пользователей через Интернет, SMS или бортовые устройства транспортного средства.
Анализ данных
Данные, собранные и полученные в ИТС, обрабатываются далее на различных этапах. Этими шагами являются исправление ошибок, очистка данных, синтез данных и адаптивный логический анализ. Несоответствия в
данных выявляются с помощью специализированного программного обеспечения и устраняются. После этого данные дополнительно изменяются и объединяются для анализа. Эти исправленные коллективные данные дополнительно анализируются для прогнозирования сценария трафика, который доступен для предоставления соответствующей информации пользователям.
Существуют различные методы реализации интеллектуальной парковочной системы. Далее представлена краткая характеристика предлагаемых методов.
Экспертные системы
Экспертные системы или технологии на основе агентов могут решить проблемы, связанные с распределенной и сложной средой трафика. Они также считаются основным оружием, закладывающим основу механизма автоматизации для системы согласования парковок и наведения. Агент обладает полезными чертами, такими как автономия, реактивность, адаптивность, активность и социальные способности, которые можно использовать для решения проблем, имеющих очень динамичное и интерактивное поведение.
Системы на основе GPS
Информация о местонахождении и наличии парковочного места рядом с пунктом назначения предоставляется водителям с помощью современной навигационной системы на основе GPS. Предоставляемая информация сообщает о текущем состоянии парковки. Вот почему эти системы не могут гарантировать парковку, когда водитель подъезжает к объекту. Существует научное решение, основанное на использовании прошлого и текущего состояния парковки. В нем используется процесс Пуассона для моделирования доступности парковки и интеллектуальный алгоритм, который помогает водителю выбрать слот с максимальной вероятностью быть свободным.
Системы на основе компьютерного зрения
Существует система, основанная на обработке изображений, для предоставления информации о парковке и указаний. Эта система имеет возможность подсчитывать количество припаркованных автомобилей и определять свободные участки. Система использует изображения для обнаружения транспортных средств. На входе установлена камера для съемки эталонного изображения. После захвата эталонного изображения также захватывается последовательность изображений, которая затем сравнивается с эталонным изображением для сопоставления изображений с помощью обнаружения краев, выполняемого с помощью оператора Prewitt Edge Detection [4]. На основе процентного соотношения водителю предоставляются указания и информация.
Системы, основанные на технологиях компьютерного зрения и обработки изображений, обычно имеют высокую скорость передачи данных от сети камер к блокам обработки, поскольку эти системы зависят от видеоданных с парковок в реальном времени для выделения признаков. Такие типы парковочных систем обычно подходят для открытых парковок, потому что одна камера может захватить значительную площадь на парковке. Однако эти системы склонны к окклюзии, теневым эффектам, искажениям и изменению освещения [5].
Системы на основе Интернета вещей
Интернет вещей - это популярная технология современной эпохи, когда все устройства связаны друг с другом через Интернет. Каждое устройство, подключенное к Интернету, имеет уникальный идентификатор (UID). Эти устройства могут быть вычислительными, механическими и цифровыми. Они могут передавать данные без взаимодействия человека с человеком или человека с компьютером. Технология Интернета вещей выступает в качестве одной из основных ключевых технологий, которые разработчики используют для интеллектуальных парковочных систем. В парковочных системах на основе Интернета вещей все датчики и вычислительные устройства подключены через Интернет и могут передавать данные без какого-либо вмешательства человека.
Интернет-соединение между датчиками, вычислительными устройствами и блоками хранения может быть либо через проводное соединение, либо через беспроводное соединение.
Интеллектуальные парковочные системы на основе машинного обучения (ML), глубокого обучения (DL) и на основе нейронной сети (NN)
Машинное обучение - это подмножество искусственного интеллекта, которое предоставляет системе возможность изучать и улучшать конкретную задачу на основе наборов данных или опыта без явного программирования системы. Интеллектуальные парковочные системы на основе машинного обучения анализируют данные о парковке, чтобы извлечь статус парковки. Более того, эти системы на основе машинного обучения и искусственного интеллекта могут прогнозировать статус занятости парковок на ближайшие дни, недели или даже месяцы и обеспечивать динамическую схему ценообразования, также они могут отслеживать загруженность дорог на определенных дорогах и предлагать умное решение для умных парковочных мест.
Глубокое обучение - это подмножество машинного обучения и функция искусственного интеллекта, которая имитирует человеческий мозг с точки зрения обработки данных и извлечения функций для принятия решений. Алгоритмы DL обнаруживают незанятые и специальные парковки в ИТС вместо обычных датчиков, что уменьшает их количество, необходимых для системы. Глубокое обучение также используется для прогнозирования занятости парковки.
Нейронные сети - это комбинация алгоритмов, которые извлекают особенности и лежащие в основе отношения из наборов данных посредством процесса, имитирующего функцию человеческого мозга. Интеллектуальные парковочные системы на основе нейронной сети используются для распознавания автомобильных номеров с использованием видеоданных в реальном времени. Сверточные нейронные сети (СЫЫ) и машинное зрение реализованы для определения статуса занятости парковки. СКЫ также могут
предоставлять информацию о дорожном движении по различным маршрутам [1; 2].
Выводы
Из-за быстрого роста городского населения и незапланированной урбанизации наблюдается уменьшение количества городских парковочных мест и увеличение загруженности дорог. В результате интеллектуальная парковка становится предметом интереса как для исследователей, так и для градостроителей. В этой статье рассказывается о различных подходах, используемых исследователями для разработки своей интеллектуальной системы парковки, и их пригодности для различных парковок.
Библиографический список:
1. Бойков Д.Ю., Каунг М.С., Белов Ю.С. Использование свёрточных нейронных сетей в задаче сегментации изображений. Colloquium-journal. 2019. № 10-1 (34). С. 54-58.
2. Воронцов А.Н., Белов Ю.С. Виды глубоких сетей для неконтролируемого или генеративного обучения. В сборнике: Технологии XXI века: проблемы и перспективы развития. сборник статей Международной научно-практической конференции: в 2 ч. 2017. С. 50-53.
3. Душкин, Р. В. Интеллектуальные транспортные системы: монография / Р. В. Душкин. — Москва: ДМК Пресс, 2020. — 280 с. — ISBN 978-5-97060-887-6. — Текст: электронный // Лань: электронно-библиотечная система. — URL: https://e.lanbook.com/book/190755 (дата обращения: 20.01.2022). — Режим доступа: для авториз. пользователей.
4. Клетте, Р. Компьютерное зрение. Теория и алгоритмы: учебник / Р. Клетте; перевод с английского А. А. Слинкина. — Москва: ДМК Пресс, 2019. — 506 с. — ISBN 978-5-97060-702-2. — Текст: электронный // Лань: электронно-библиотечная система. — URL: https://e.lanbook.com/book/131691 (дата обращения: 20.01.2022). — Режим доступа: для авториз. пользователей.
5. Селянкин, В. В. Компьютерное зрение. Анализ и обработка изображений: учебник для вузов / В. В. Селянкин. — 2-е изд., стер. — Санкт-Петербург: Лань, 2021. — 152 с. — ISBN 978-5-8114-8259-7. — Текст: электронный // Лань: электронно-библиотечная система. — URL: https://e.lanbook.com/book/173806 (дата обращения: 27.12.2021). — Режим доступа: для авториз. пользователей.
