m
О
IX
X с
X X
CD С CD U О
X
и
УДК 656.13 DOI: 10.24412/1816-1863-2023-3-60-67
РАЗРАБОТКА СЕРВИСА ПО РАСПОЗНАВАНИЮ ТРАНСПОРТА ПО ВИДЕОФАЙЛАМ
И. А. Бянкина, начальник управления по молодежной политике, аспирант, ФГБОУ ВО «Иркутский национальный исследовательский технический университет», irina.chelpanova@tl-istu.com, г. Иркутск, Россия,
А. Г. Левашев, канд. техн. наук, доцент кафедры автомобильного транспорта,
X ФГБОУ ВО «Иркутский национальный исследовательский технический университет», ^ alexey.levashev@tl-istu.com, г. Иркутск, Россия,
Н. А. Комиссарова, ведущий специалист в сфере научно-исследовательской
$ деятельности, аспирант, ФГБОУ ВО «Иркутский национальный исследовательский
о технический университет», natalia.sokolova@tl-istu.com, г. Иркутск, Россия,
т В. Г. Лысенко, студент, ФГБОУ ВО «Иркутский национальный исследовательский
¡^ технический университет», Lvaleriyag_2003@mail.ru, г. Иркутск, Россия х х о
CD
S
I-
и о
Основной проблемой транспортного планирования является недостаточная точность данных о с транспортном потоке. Для повышения точности получаемых данных в работе был рассмотрен О^ процесс создания прототипа сервиса по распознаванию транспорта нескольких типов по видео-¡5 файлам. Для создания сервиса и определения точности данных разработанного сервиса были j проведены натурные обследования на остановках общественного транспорта в утренний и вечерний часы пик. Далее данные были обработаны с помощью макроса Microsoft EXCEL. Для создания сервиса по распознаванию транспорта для машинного обучения были использованы
О видеофайлы, полученные с квадрокоптера. Полученный сервис способен ускорить обработку видеофайлов и повысить точность данных о транспортных потоках. Полученные данные были протестированы в программном комплексе PTV VISUM, позволяющем отображать различные а виды передвижений как индивидуального, так и общественного транспорта в единой модели.
The main problem of transportation planning is insufficient accuracy of traffic flow data. In order to improve the accuracy of the obtained data, the paper considered the process of creating a prototype of a service for recognizing several types of transport by video files. To create the service and determine the accuracy of the data of the developed service, field surveys were conducted at public transportation stops during morning and evening rush hours. Then the data were processed using Microsoft EXCEL macro. Video files obtained from a quadrocopter were used to create a transportation recognition service for machine learning. The resulting service is able to speed up the processing of video files and improve the accuracy of traffic flow data. The obtained data were tested in the PTV VISUM software package, which allows displaying various types of movements of both individual and public transport in a single model.
Ключевые слова: транспортный поток, транспортная сеть, программное обеспечение, пропускная способность.
Keywords: traffic flow, transportation network, software, throughput.
60
Введение
Получение д анных о транспортных потоках является важнейшей задачей транспортного планирования и градостроительства. Наличие качественных данных, достоверно отражающих существующую ситуацию на дорогах, позволяет провести высокоточные работы по планированию проезжей части и повысить эффективность организации дорожного движения. Результатом данных действий является снижение транспортных, человеческих временных издержек, а также снижение выбросов дизельными и бензиновыми двигателями, что положительно сказы-
вается на общем уровне загрязнения территории и повышает привлекательность местности.
Для определения параметров транспортных потоков на регулируемых перекрестках была проведена серия обследований с видеосъемкой. Обследования проводились на разных объектах — остановочные пункты, перекрестки, перегоны. Основной задачей проведения обследований был сбор необходимого количества разнообразных данных для дальнейших исследований. Поэтому видеосъемка проводилась с разных ракурсов, в разных местах, в разных масштабах и в разное время года.
Первыми обследованиями в рамках исследований стали обследования остановочных пунктов в центральной части г. Иркутска. В рамках данной работы была проведена оценка функционирования 72 остановок общественного транспорта. На каждой остановке проводилось два обследования в будний день — утром с 7:45 до 8:30 и вечером с 17:15 до 18:00. Все обследования регистрировались на видеосъемку. Основной целью работы была оценка пропускной способности ОП и формирование предложений по уменьшению уровня загрузки. Показатели были рассчитаны по формуле 1. Однако в формуле есть показатель, связанный с плотностью транспортного потока, — время вхождения в транспортный поток, который регистрировался с помощью системы подсчета автотранспорта. Также был собран материал для дальнейших исследований по распознаванию вошедших и вышедших пассажиров.
Пропускная способность остановочного пункта была рассчитана по формуле:
B = NebBbb = Ne
3600(с
veb -
tc + (¿J td + ZaCvtd
(1)
где В — пропускная способность остановочного пункта, ед./ч;
— эффективное количество остановочных мест на остановочном пункте, ед.;
Вьь — пропускная способность одного остановочного места, ед./ч;
g — длительность зеленого сигнала, с; С — длительность цикла регулирования, с;
1С — время освобождения остановочного пункта, с;
% — время обслуживания на остановочном пункте, с;
1а — коэффициент, показывающий вероятность роста очереди перед остановочным пунктом;
су — коэффициент вариации для величины времени обслуживания на остановочном пункте [1].
Также в мае 2021 года было проведено обследование перекрестка улиц Ленина— Тимирязева—Седова—Красного восстания (г. Иркутск) с использованием автовышки. Это позволило объять большой пе-
Рис. 1. Видеосъемка перекрестка ул. Ленина-Седова—Тимирязева—Красного Восстания с автовышки (г. Иркутск)
рекрестком одним кадром, но не потерять детальности исследований и сохранить четкость изображения как на съемке с плоскости. Далее результаты видео были обработаны с помощью макроса EXCEL и партнерского программного обеспечения TrafficData. Результаты видеообследований представлены на рисунке 1.
Полученные результаты видеообследований были обработаны с помощью макроса Microsoft EXCEL, созданного транспортной лабораторией ИРНИТУ. Для начала строится схема перекрестка (рис. 2) и каждому направлению транспортного потока задается значение. Затем каждое направление отдельно обрабатывается в программном продукте (рис. 2—4), где каждому типу транспортного средства задается цифирный аналог:
1 — легковой автомобиль,
2 — микроавтобус,
3 — грузовой автомобиль до 2 т,
4 — автобус малой вместимости,
5 — грузовой автомобиль от 2 до 6 т,
6 — автобус средней вместимости,
7 — грузовой автомобиль свыше 6 т,
8 — сочлененный автобус (троллейбус, трамвай),
9 — автопоезд.
После первичной обработки система рассчитывает часовую интенсивность транспорта в физических и приведенных единицах, общую сумму транспортных средств по видам и по направлениям движения автомобилей. Также можно отследить время движения каждого ТС от начала наблюдений и рассчитать интервал
тз о m
о г>
-I
тз о s
-I
CD
О-
Г> -I 03
о
п
0
1 S
тз
о
03
О
с Ф
О-
Г> S
X н
0
Г) CD
CD
1 I
У
I -I
О оз
61
m
О
IX
X с
X X
ш ^
ш и о
X
X
s ^
и
ш и
о ^
m
О
CP
S
X
о
Рис. 2. Распределение транспортных потоков на перекрестке
О m
I-U _а
Ш
IX
о
CP
I-
и о а о ср
Рис. 3. Исходное меню макроса Microsoft EXCEL
движения, среднюю скорость потока и другие показатели (рис. 5).
Такая система подсчета позволяет точно определить исходные данные на видео, и в д альнейшем при обучении искус-
62
Рис. 4. Процесс обработки видео
ственного интеллекта на определение транспорта по видеоматериалам сравнивать результаты обработки с расчетами, проведенными вручную с помощью макроса.
Для восстановления матриц передвижения используется программный комплекс PTV VISUM, позволяющий отображать различные виды передвижений как индивидуального, так и общественного транспорта в единой модели.
PTV Visum располагает максимально полной информацией о структуре улично-дорожной сети и дает целостный точный обзор существующей ситуации на дорогах. К тому же PTV Visum используют для предварительного расчета и измерения эффекта от запланированных мероприя-
Рис. 5. Итоговый вид обработки с расчетами интенсивности транспорта
тий. Комплекс позволяет спланировать транспортные мероприятия любой сложности — от эксплуатации шоссе во время ремонта теплотрасс до маршрутов общественного транспорта, включающего различные этапы, участки и участников [2].
В зависимости от объекта исследования определяется масштаб его рассмотрения на уровне разрабатываемой транспортной модели, который влияет на дальнейшую детализацию элементов модели, и в первую очередь расчетных транспортных районов.
С учетом выбранного уровня детализации, а также с учетом концентраций и плотности урбанизированных территорий определяются границы расчетных транспортных районов, которые в дальнейшем корректируются с учетом административно-территориального деления исследуемого объекта.
На данном этапе происходит внесение данных в расчетные транспортные районы, которые в последующем влияют на оценку транспортного спроса и от которых будет зависеть разрабатываемая модель транспортного спроса, среди которых такие параметры, как численность населения, количество мест приложения труда, параметры, характеризующие генерацию передвижений грузовых транспортных средств и др. Кроме того, подготавливается база важнейших параметров и зависимостей, определяющих транспортное поведение населения, которые необ-
ходимы для построения модели транс -портного спроса и последующего расчета искомых матриц корреспонденций. Пример расчетной матрицы корреспонденций представлен на рисунке 6.
Данный расчет производится в зависимости от вида передвижения, он включает в себя такие составляющие, как дом, работа, учеба, служебные передвижения и прочие передвижения (культурно-бытовые). На рисунке 7 представлена схема модели расчета транспортного спроса [3].
Расчет транспортного спроса сводится к расчету суммарных матриц корреспон-денций и их разделению между общественным и индивидуальным транспортом.
Далее производится расчет модели, который включает в себя оценку транс -портного спроса генерации и передвижений, распределение передвижений между транспортными районами (матрица кор-респонденций), распределение передвижений по видам и распределение потоков по сети.
Набор расчетных процедур представляет собой операции с данными расчетных транспортных районов и характеристик транспортной подвижности населения, которые в совокупности формируют модель транспортного спроса и элементов модели транспортного предложения (моделей дорожной сети и маршрутной сети общественного транспорта). На данном этапе выполняется автоматизированная настройка обработки исходных данных,
тз а ш
о г>
-I
тз
о
-I
а>
О-
Г> -I 03
о
п
а л
X
ТЗ
О
03 ^
а
с
а>
О-
Г> ^
X н
а
г> а>
а> т т
у
-I
о
03
63
О
i-^
X
X с
X X
CD ^
CD U О
X
X ^
и
CD U
О ^
О
CP
X
X
D
О
i-
U
CD iX О CP
I-
u о a a
CP
Рис. 6. Расчетная матрица корреспонденций
расчета матриц затрат и корреспонден-ций, распределения транспортных и пассажирских потоков, а также расчет показателей качества работы модели и параметров эффективности функционирования моделируемой транспортной системы.
После проведения обследований и подсчета количества и вида транспорта на исследуемом участке все данные заносят-
ся в PTV Visum на перекрестки. Процесс внесения данных по направлениям представлен на рисунках 8—9.
Также за год работы над проектом было заключено соглашение с компанией Traffic Data, которая предоставила свой продукт по распознаванию транспорта. Организация TrafficData — лидер по разработке ПО для интеллектуальных транс-
64
Район отправления
«
к к
а в а
о р
и н а
о н
т р
о п
и и
ч
1. Оценка транспортного спроса генерации передвижений (емкости транспортых районов по отправлению и прибытию)
2. Распределение передвижений между транспортными районами матрица корреспонденций
3. Распределение передвижений по видам
Генерация передвижений
Корреспонденция Xj
xij общ. тр-т
Район прибытия
^ij индив. тр-т
4. Распределение потоков по сети
Рис. 7. Схема четырехшаговой модели расчета транспортного спроса
Рис. 8. Процесс внесения данных об интенсивности ТС по каждому направлению движения
в PTV Visum
ТЗ О ш
о
Г) -I
тз
о
-I
CD
о-
Г> -I 03
о
п
0
1 X
тз
о
03
О
п CD
о-
Г>
X
X н
0
Г) CD
CD
1 I
У
I -I
О оз
Рис. 9. Конечный вариант внесения данных об узле в транспортную модель
портных систем. Версия программу позволяет работать с видеозаписями, записанными с различных углов обзора. Продукт используется для обработки видео, снятых с дронов или высоких зданий при расстоянии более 100 м и под углом до 90 градусов. Результаты работы с программой представлены на рисунке 10 [4].
Реализованный сервис позволяет автоматизировать обработку видеофайлов и выявить более точные данные о транспортных потока сети. Это перспективная
разработка, которая может быть развита и улучшена. Планируется повышение качества ПО с помощью использования сервиса. Данная программа может быть первым шагом к созданию полноценного решения для обнаружения транспортных средств на видео.
В текущем виде эта программа позволяет протестировать работу моделей на произвольных видеофайлах, визуализировать результаты обнаружения объектов и их трекинг.
65
Рис. 11. Обработка транспортных потоков на пересечении улиц Ленина—Тимирязева—Седова: анализ створов на въезд и выезд
66
Для адаптации в будущем будут введены следующие изменения:
• добавлена функция для анализа обнаруженных объектов — для подсчета количества и классификации транспортных средств;
• сохраняется статистика по количеству и типам транспорта в БД для последующего анализа;
• реализован веб-интерфейс для удален -ного запуска обработки и просмотра результатов.
Таким образом, имея базовый каркас программы, будет доработана ее для решения практических задач мониторинга транспортных потоков с использованием возможностей компьютерного зрения.
Библиографический список
—I
тз
1. Челпанова И. А. Исследование функционирования остановочных пунктов наземного городского Q пассажирского транспорта в центральной части г. Иркутска. — URL: https://nauchkor.ru/uploads/ q documents/5efc3c55cd3d3e00013d5e39.pdf, дата доступа 07.09.2023. т
2. Программное обеспечение PTV Visum. — URL: https://ptv-vision.ru/, дата доступа 07.09.2023. О
3. Соколова Н. А. Исследование влияния детализации расчетных транспортных районов на точ- и ность оценки спроса на примере центральной части г. Иркутска. — URL: https://lib.rucont.ru/efd/ е 721723/info, дата доступа 07.09.2023.
4. TrafficData. — URL: https://trafficdata.ru/, дата доступа 07.09.2023.
О-
Г> -I 03
о
DEVELOPMENT OF A SERVICE FOR RECOGNIZING VEHICLES FROM VIDEO FILES §
H
I. A. Byankina, Head of Youth policy department, postgraduate student, Irkutsk National
Research Technical University, irina.chelpanova@tl-istu.com, Irkutsk, Russia,
A. G. Levashev, Ph. D. (Technical sciences), associate professor, Department of Automobile Q
n
Transport, Irkutsk National Research Technical University, alexey.levashev@tl-istu.com, Irkutsk, Russia,
N. A. Komissarova, leading specialist in research activity, postgraduate student, Irkutsk u
National Research Technical University, natalia.sokolova@tl-istu.com, Irkutsk, Russia, X
V. G. Lysenko, student, Irkutsk National Research Technical University, §
Lvaleriyag_2003@mail.ru, Irkutsk, Russia g
x
References ^
X
1. Chelpanova I. A. Issledovanie funkcionirovaniya ostanovochnyh punktov nazemnogo gorodskogo passazhir- n skogo transporta v central'noj chasti g. Irkutska [Study of the functioning of stop points of surface urban H passenger transport in the central part of Irkutsk]. 2020. URL: https://nauchkor.ru/uploads/documents/ T 5efc3c55cd3d3e00013d5e39.pdf, access date 07.09.2023 [in Russian]. g
2. Programmnoe obespechenie PTV Visum (PTV Visum Software). (https://ptv-vision.ru/), access date 07.09.2023 [in Russian].
3. Sokolova N. A. Issledovanie vliyaniya detalizacii raschetnyh transportnyh rajonov na tochnost' ocenki sp-rosa na primere central'noj chasti g. Irkutska" [Explanatory note to the project "Study of the impact of the detailing of the estimated transport areas on the accuracy of demand estimation on the example of the central part of Irkutsk]. 2020. URL: https://lib.rucont.ru/efd/721723/info, access date 07.09.2023 [in Russian].
4. Programmnoe obespechenie TrafficData [TrafficData Software]. URL: https://trafficdata.ru/, access date 07.09.2023 [in Russian].
67