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
июль    2022
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

06.07.2022

MERLION IT Summit 2022: новый уровень важного отраслевого события

Читать далее 

05.07.2022

Учиться для жизни: специалисты в Оренбургской области решат задачу для образовательной компании

Читать далее 

04.07.2022

Запущена единая база знаний по работе с кириллическими доменными именами и email адресами

Читать далее 

27.06.2022

Три миллиона за искусственный интеллект: в Москве стартовал всероссийский чемпионат по искусственному интеллекту 

Читать далее 

показать все 

Статьи

29.04.2022

Можно ли продолжать цифровую трансформацию сегодня?

Читать далее 

23.03.2022

Дата-центры – 2022

Читать далее 

04.01.2022

Ваш рейтинг перспективных технологий

Читать далее 

11.12.2021

Что повысит конкурентоспособность?

Читать далее 

02.11.2021

Парадокс инвесторов

Читать далее 

13.02.2020

Чат-бот CallShark не требует зарплаты, а работает круглосуточно

Читать далее 

24.12.2019

До встречи в «Пьяном Сомелье»!

Читать далее 

21.12.2019

Искусство как награда Как изготавливали статуэтки для премии IT Stars им. Георгия Генса в сфере инноваций

Читать далее 

04.12.2019

ЛАНИТ учредил премию IT Stars памяти основателя компании Георгия Генса

Читать далее 

04.06.2019

Маркетолог: привлекать, продавать, продвигать?

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 №04 (117) 2022г.
Выпуск №04 (117) 2022г. Выпуск №03 (116) 2022г. Выпуск №01 (114) 2022г. Выпуск №02 (115) 2022г.
Вакансии на сайте Jooble

           

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

 

Copyright © Системный администратор

  Яндекс.Метрика