Илья Душин: «Мы создали решение, с помощью которого можно быстро и точно ответить, сколько фактически перевезено пассажиров на конкретном автобусе в конкретный день»::БИТ 09.2021
 
                 
Поиск по сайту
 bit.samag.ru     Web
Рассылка Subscribe.ru
подписаться письмом
Вход в систему
 Запомнить меня
Регистрация
Забыли пароль?

Календарь мероприятий
октябрь    2024
Пн
Вт
Ср
Чт
Пт
Сб
Вс
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31

показать все 

Новости партнеров

11.10.2024

Николай Нашивочников, «Газинформсервис»: в нефтегазовом секторе изменился ландшафт угроз

Читать далее 

10.10.2024

В Москве обсудят применение искусственного интеллекта в строительстве

Читать далее 

08.10.2024

«ГенИИ» расскажут о кейсах и вызовах ИИ в производстве

Читать далее 

08.10.2024

Зарулили на 1-е место: победителем «Биржи ИБ- и IT-стартапов» стал проект по автомобильной кибербезопасности

Читать далее 

01.10.2024

«Киберарена»: «Газинформсервис» запускает новый формат киберсоревнований

Читать далее 

показать все 

Статьи

11.10.2024

Технологический ИИ-арсенал

Читать далее 

28.09.2024

Чем страшен ИИ, и с чем его едят

Читать далее 

18.09.2024

Готов ли рынок АСУ ТП к переменам?

Читать далее 

12.09.2024

Отрыв длиной в год. Российские ИИ-решения незначительно уступают иностранным аналогам

Читать далее 

09.09.2024

Лейсан Чистая: «КулибИТ для каждого из нас это больше, чем просто проект – это наша миссия»

Читать далее 

13.06.2024

Взгляд в перспективу: что будет двигать отрасль информационной безопасности

Читать далее 

18.04.2024

5 способов повысить безопасность электронной подписи

Читать далее 

18.04.2024

Как искусственный интеллект изменит экономику

Читать далее 

18.04.2024

Неочевидный САПР: выход ПО за рамки конструкторской деятельности

Читать далее 

18.04.2024

Скоро некому будет делать сайты и заниматься версткой

Читать далее 

показать все 

Илья Душин: «Мы создали решение, с помощью которого можно быстро и точно ответить, сколько фактически перевезено пассажиров на конкретном автобусе в конкретный день»

Главная / Архив номеров / 2021 / Выпуск №09 (112) / Илья Душин: «Мы создали решение, с помощью которого можно быстро и точно ответить, сколько фактически перевезено пассажиров на конкретном автобусе в конкретный день»

Рубрика: Спецвыпуск «Премия IT Stars им. Георгия Генса-2021»


 



Победитель

Подсчет пассажиров на общественном транспорте

  • Заказчик: АО «Третий парк»
  • Исполнитель: ComBox Technology

Краткое описание проекта
Реализация системы подсчета входящих и выходящих пассажиров на общественном транспорте при помощи объектной видеоаналитики с применением сверточных нейронных сетей.

Масштаб проекта. Решена задача внедрения системы подсчета пассажиров и контроля оплаты за проезд на одном из крупнейших и старейших транспортных предприятий страны за счет автоматизации части подвижного состава в количестве 200 единиц транспорта.

Актуальность проблемы, решенной при реализации проекта. В сфере пассажирских перевозок существует потребность в контроле оплаты за проезд, особенно при использовании метода наличной оплаты. Суммы собираемых средств не всегда соответствуют количеству перевезенных пассажиров.

Достигнутые результаты/экономический эффект. Воз­можность минимизировать потери при сборе средств за оплату проезда и учитывать фактическое число перевезенных пассажиров с точностью 99%. 


Илья Душин:

«Мы создали решение, с помощью которого можно быстро и точно ответить, сколько фактически перевезено пассажиров на конкретном автобусе в конкретный день»


О том, как удалось, используя видеоаналитику с применением нейронных сетей, наладить образцовый учет пассажиров и платы за проезд в общественном транспорте, рассказывает исполнительный директор ComBox Technology

 

 

– Компания «ComBox Technology» специализируется на разработке и внедрении нейронных сетей для детектирования и классификации объектов. Какие задачи вам надо было решить при создании счетчика пассажиров для транспортной отрасли?

– В сфере пассажирских перевозок существует потребность в контроле оплаты за проезд, особенно, когда платят наличными. Суммы собираемых средств не всегда соответствуют количеству перевезенных пассажиров. Поэтому базовой задачей стало увеличение сборов оплаты за проезд. Нам предстояло создать решение, с помощью которого можно быстро и точно ответить, сколько фактически перевезено пассажиров на конкретном автобусе в конкретный день.

Дополнительно решались и другие задачи: оптимизация маршрутов с учетом зональности; сбор статистической информации по пассажиропотокам в соответствии с ГОСТ Р 542723-2019. Возможность своевременного получения актуальной информации по перемещению пассажиров и текущей загрузке транспортных средств способствует как оперативной оптимизации, так и работе по долгосрочному планированию маршрутов.

– Что в итоге получилось? Как реализовано решение?

– Получилась система автоматического подсчета пассажиропотока с помощью видеоаналитики – счетчик на базе видеоаналитики.

Транспортные средства оборудуются видеокамерами, которые соответствуют требованиям транспортной безопасности, в зонах дверей и вычислительным устройством для обработки/передачи/хранения данных.

В течение полной смены, в моменты остановок ТС или когда открываются двери транспортного средства, ведется запись данных с видеокамер. В зависимости от типа устройств, запускается алгоритм подсчета людей «на краю» (внутри транспортного средства) или в Центре обработки данных (после передачи видео через 3G/LTE для дальнейшей обработки).

Детектирование и классификация людей происходит по головам в кадре с использованием предварительно обученной нейронной сети. Подсчет пассажиров выполняется с применением траекторного анализа.

Обмануть систему или утаить информацию невозможно, поскольку данные передаются в облачную платформу в режиме онлайн. Чтобы информация не терялась в случае пропадания канала связи, например, в зоне неуверенного покрытия мобильной сетью, предусмотрено сохранение видеоконтента на аппаратном комплексе, который устанавливается в машине.

– С какими проблемами вы столкнулись в ходе проекта? И как справились с ними? Что помогло?

– Был достаточно сложный процесс настройки зон входа/выхода и трекинга пассажиров, чтобы не допустить повторного подсчета людей, перемещающихся в зоне фокуса камеры, но не покидающих автобус.

Кроме того, надо было классифицировать различные посторонние объекты, например, рюкзаки, отблики света и прочее, чтобы избежать неверного подсчета. Интеграция с автоматикой автобусов, использование акселерометра с аппаратной частью транспортных средств (дверь, GPIO или акселерометр, в зависимости от исполнения устройства) дала возможность минимизировать ложные срабатывания входов/выходов пассажиров при движении машины, когда эти события по факту совершаться не могут.

– Как долго вы работали над этим проектом?

– Около шести месяцев мы занимались разработкой, потом еще около шести месяцев – пилотированием опытных образцов до промышленного внедрения готового комплекса видеоаналитики.

– Какие применяли технологии?

– В решении используются – нейронная сеть SSD Mobilenet v.2 для детектирования и классификации объектов, датасет COCO, дообученный на реальных данных с транспортных средств. А также фреймворк Tensorflow с дальнейшей оптимизацией и конвертацией полученной модели в Intel OpenVINO и серверы для инференса нейронных сетей различных топологий, включающие в себя восемь исполнительных устройств Intel NUC восьмого поколения.

– Чем счетчик на базе видеоаналитики отличается от других способов подсчета пассажиров? Каковы его возможности?

– Прежде всего точностью подсчета, которая составляет 99%! Альтернативно используются ручной способ подсчета (секретный/тайный пассажир) и системы подсчета пассажиров на основе датчиков, но их фактическая точность не позволяла достигнуть должного эффекта. Особенности этих технологий, их погрешности или человеческий фактор не дают возможности обеспечить корректный и систематичный контроль пассажиропотока.

Счетчик на базе видеоаналитики – это централизованная система подсчета с максимальной точностью и без вышеперечисленных недостатков.

– Может ли система применяться не только в общественном транспорте? Если да, то что необходимо для ее использования в других транспортных средствах?

– Может применяться на любых транспортных средствах, позволяющих корректно установить видеокамеры над зонами входа.

– Каков экономический эффект от внедрения проекта?

– Прямой экономический эффект выражен в увеличении выручки на 10%, что очень существенно для компаний, занимающихся пассажирскими перевозками. Дополнительно можно также сокращать эксплуатационные расходы за счет гибкой оптимизации маршрутов в зависимости от загрузки транспортных средств.

– В чем инновационность вашего проекта?

– Решаемая задача относится к классу компьютерного зрения и распознавания изображений. Реализована централизованная система автоматического подсчета пассажиров на базе видеоаналитики с применением нейронных сетей с высочайшей точностью.

– Собираетесь ли вы развивать этот проект и дальше?

– Проект будет масштабироваться в транспортной сфере, внедряться в других отраслях, таких как ритейл, банковский сектор – везде, где востребованы данные аналитики по подсчету посетителей.

 

 

Подпишитесь на журнал
Купите в Интернет-магазине

В начало⇑

 

Комментарии отсутствуют

Комментарии могут отставлять только зарегистрированные пользователи

Выпуск №06 (139) 2024г.
Выпуск №06 (139) 2024г. Выпуск №05 (138) 2024г. Выпуск №04 (137) 2024г. Выпуск №03 (136) 2024г. Выпуск №02 (135) 2024г. Выпуск №01 (134) 2024г.
Вакансии на сайте Jooble

БИТ рекомендует

           

Tel.: (499) 277-12-41  Fax: (499) 277-12-45  E-mail: sa@samag.ru

 

Copyright © Системный администратор

  Яндекс.Метрика