Журнал "Системы Безопасности" № 6‘2020

В программах "Умный городской транспорт" (нацпроект "Жилье и городская среда 2019–2024 гг.) и "Развитие транспортной системы" (Минтранс России, № 129 от 30.04.2019 г.) описаны ключевые показатели эффективности, к которым стремится цифровое развитие транспортной отрасли. Представлен- ные бизнес-кейсы имеют на них непосредствен- ное влияние. Кейс №1. Оптимизация стоимости содержания дорог Пожалуй, содержание дорог – наиболее про- блемный вопрос для России. Наверняка всем знакома картина, когда по участку дороги про- сто невозможно проехать на автомобиле. Каза- лось бы, бюджетные средства выделяются, но их либо не всегда хватает, либо участок дороги все равно приходит в негодное состояние или не соответствует нормам и требуемому уровню качества. На это есть две основные причины: 1. Ошибки расчета бюджетирования. Напри- мер, на содержание дороги был выделен бюд- жет на пять лет с прогнозом роста трафика на 4% в год. По факту трафик рос на 15% в год, через два года деньги закончились, и в резуль- тате за три года дорога разрушилась. 2. Нелинейная зависимость уровня состояния дороги от нагрузки на дорожное полотно. При появлении видимых дефектов на дороге ресурс дорожного полотна составляет менее 20% (рис. 1). В этот момент проведение каких-либо корректирующих работ зачастую уже неэффек- тивно, и приходится полностью менять полотно. Решить вторую проблему как раз и помогает система компьютерного зрения, которая авто- номно, без доступа к сети Интернет, работает с любыми IP-камерами, анализирует интенсив- ность транспортного потока, ведет подсчет автомобилей и производит их классификацию по классам (легковой, грузовой, автобус). На базе этих параметров можно внедрить любую математическую метрику: загруженность поло- сы или направления, среднюю скорость потока, расстояние между автомобилями и т. д. Конструктивно система представляет собой металлический ящик с электропитанием и необходимым оборудованием – одноплатным компьютером и GSM-модемом. Обработка видеопотока происходит непосредственно на одноплатном компьютере, поэтому достаточно GPRS-канала, чтобы передавать агрегирован- ные данные в текстовом в виде на центральный сервер, где оператор может их комбинировать, визуализировать и проводить дальнейшую ана- литику. В результате наличие актуальных данных позво- ляет более точно прогнозировать износ дорож- ного полотна, использовать расчеты согласно государственным и дорожным стандартам, вести план работ на опережение и тем самым экономить бюджетные деньги на содержание дорог. Зарубежный опыт также показывает, что эффект проактивного содержания дороги может сокращать соответствующие расходы до 50%, что особенно актуально для региональ- ных дорог с ограниченным бюджетом. декабрь 2020 – январь 2021 www.secuteck.ru МАШИННОЕ ЗРЕНИЕ В И Д Е О Н А Б Л Ю Д Е Н И Е И В И Д Е О А Н А Л И Т И К А 110 Вячеслав Лукин Генеральный директор компании "Интеллектуальная видеоаналитика" Рис. 1. Оставшееся время эксплуатации дороги при появлении видимых разрушений составляет менее 20% Рис. 2. Зависимость износа дороги от интенсивности и структуры транспортного потока Компьютерное зрение для аналитики дорожного движения: 3 успешных кейса Любые дороги могут быть эффективными и безопасными, если иметь актуальную и достоверную информацию по транспортным потокам и принимать эффективные решения (так называемые Data Driven Decision – решения на основе данных). Анали- тика транспортных потоков "на краю" позволяет получать данные там, где находится камера, даже без постоянного и широкополосного доступа в Интернет и соответ- ствующей инфраструктуры. В статье представлены три бизнес-кейса применения систем компьютерного зрения для увеличения эффективности дорожного движения с измеряемыми показателями

RkJQdWJsaXNoZXIy Mzk4NzYw