Впервые в России транспортно-экономические изыскания были выполнены с применением искуственного интеллекта. В рамках проектирования объекта “Северный обход г. Перми”, выполняемого ОАО “Институт Гипромстроймост”, учет интенсивности движения осуществляется посредством видеосъемки с беспилотного летательного аппарата и последующего анализа видеоматериалов с помощью программного комплекса.
КАК ЭТО ДЕЛАЕТСЯ ПОВСЕМЕСТНО?
Достаточно подробно провел анализ “современных” методов учета интенсиновсти движения профессор МАДИ М.Р. Якивом в своеей монографии “Транспортное планирование: создание транспортных моделей городов” 2013 года. На примере исследований, проводимых в Перми, профессор Якимов рассмотрел три основных способа, применяемых на практике.
Способы оценивались по следующим показателям:
единовременные затраты;
текущие затраты;
временные затраты на сбор/обработку информации;
оценка качества собранных данных.
Анализ показал, что наиболее затратным с точки зрения является третий способ, так как требует установки датчиков под каждую полосу движения. Соотвественно первый способ является наименее затратным. На обработку материалов, собранных первым способом, был потрачен 1 час, вторым – 3 часа, третьим – 15 минут. Самым точным является второй способ, так ка он позволяет производить подсчёт автомобилей с видеозаписи несколько раз, чтобы исключить фактор человеческой ошибки. Поэтому полуавтоматический способ был принят за эталонный. При сравнении с эталоном первый способ показал относительные отклонения от 3 до 33,5%, третий – от 7 до 57%. Такие погрешности третьего способа вызваны неточностями при считывании информации и несовершенством устройств, имеющихся в распоряжении исследователей.
Вывод: сравнительных анализ показал, что для получания исходной информации для единичных перекрестков необходимо использовать полуавтоматического способа сбора информации невозможно на исследуемом перекрестке, то целесообразно использовать натурный способ сбора данных. Сбор данных с использованием датчиков учета транспорта показал недостоверность получаемых данных, погрешности составляют более 20%.
В ЧЕМ ПРОБЛЕМА СТАРОГО ПОДХОДА?
С приходом в нашу жизнь квадрокоптеров способ подсчета с видеофиксацией стал еще более актуальным, так как теперь мы не привязаны к местам, где установлены камеры наблюдения за дорожной обстановкой, и можем охватывать перекресток целиком, что позволяет одновременно фиксировать движение автомобилей по всем направлениям. Однако обработка таких видеоматериалов представляет определенную сложность. Например, определить интенсивность движения в каждом из 9 направлений на круговой развязке в створе улицы генерала Буткова (г. Калининград) оказалось достаточно трудно.
Если учесть, что для определения неравномерности распределения транспортного потока в единицу времени необходимо было проанализировать видео, отснятое в разное время суток на протяжении нескольких дней, то можно представить, какие трудозатраты это повлекло за собой.
ОПЫТ ПРИМЕНЕНИЯ TRAFFIC DATA
Решением задачи стали современные технологии компьютерного зрения и машинного обучения. Построенное на базе новейших архитектур сверточных сетей программное обеспечение TrafficData позволило довести полуавтоматический способ, описанный М. Р. Якимовым, до полностью автоматизированного. В очередной раз искусственный интеллект позволил избавить человека от рутинного утомительного труда.
Как было сказано выше, новый способ был впервые применен при обследовании транспортных потоков на Северном обходе г. Перми, проводившемся в октябре 2019 года командой разработчиков TrafficData по заданию ОАО «Институт Гипростроймост».
В ходе этой работы съемка дорожной обстановки производилась квадрокоптерами на восьми учетных пунктах одновременно. Было осуществлено 200 вылетов, обработано 50 часов видео, благодаря чему удалось получить интенсивность в часы пик и вывести реальное распределение интенсивности в течение дня. Благодаря ПО TrafficData, которое позволяет проанализировать такой объем видеоинформации в кратчайшие сроки, теперь нет необходимости пользоваться коэффициентами неравномерности для определения среднесуточной интенсивности, приведенными в ОДМ 218.2.020-2012 «Методические рекомендации по оценке пропускной способности автомобильных дорог». Известно, что данные коэффициенты определены на основе замеров, выполненных на МКАД с помощью датчиков (см. диссертацию на соискание звания к. т. н. «Закономерности изменения во времени интенсивности городского автомобильного движения», Менделеев Г.А., 2001 г.). По существу, эти данные получены локально и не могут использоваться повсеместно.
ОПИСАНИЕ ПРОЦЕССА В TRAFFIC DATA
Рассмотрим подробнее, как решается задача по анализу транспортных потоков в ПО TrafficData. После того, как видео готово, до получения результата остается всего 4 простых шага:
- Скачаваем приложение – Устанавливаем на рабочем компьютере
- Загружаем видео – Запускаем распознавание автомобилей
- Указываем створы – Для подсчета автомобилей по различным направлениям обрабатываем створы
- Выгружаем результаты – По интенсивности и составу транспортных потоков по направлениям
ОСНОВНЫЕ ВОЗМОЖНОСТИ TRAFFIC DATA
- Точность распознавания автомобилей более 90%
- Определение 18 типов транспортных средств по СП 34.13330.2012 и СП 396.1325800.2018
- Обработка видео с наземных камер
- Обработка видео с БПЛА
- Обработка видео с камер ночного видения
- Наличие входного, выходного и сквозного створов с направлением учета автомобилей в одну и в обе стороны
- Определение направления движения автомобиля (отслеживание траектории движения)
- Отслеживание автомобиля, проезжающего под мостом и локальными препятствиями (деревья, столбы, рекламные щиты) без разрыва треков
- Адаптивные створы – створы следуют за ограниченными подвижками изображения
- Определение скорости автомобилей
- Скорость обработки: для РиПНБ в 2 раза выше скорости проигрывания видео
- Наличие инструментов повышения качества распознавания видео: инструмент соединения треков, инструмент исправления типа автомобиля
- Вывод результатов в Ехсеl
- Возможность выбора коэффициентов приведения к легковому автомобилю по СП 34.13330.2012, СП 396.1325800.2018, а также пользовательских
- Расчет суточной интенсивности по ОДМ 218.2.020-2012
- Генерация видео с результатами обработки
Проверять точность расчетов весьма просто – достаточно просмотреть сгенерированный TrafficData ролик с результатами, где наглядно отображаются подсчет автомобилей при проезде через створы, типы автомобилей и даже их скорость, и убедиться, что ни один автомобиль не упущен из виду
ПЕРСПЕКТИВА РАЗВИТИЯ TRAFFIC DATA
TrafficData применяется в качестве инструмента сбора данных для проектирования автомобильных дорог, развязок, мостов, планирования городов, получения исходных данных для макро- и микромоделирования транспортных потоков.
В целях реализации государственной политики в области организации дорожного движения 18 апреля 2019 года выпущен приказ Минтранса РФ №114 «Об утверждении Порядка мониторинга дорожного движения». В соответствие с приказом необходимо собирать данные о дорожной обстановке по всей сети дорог ежегодно! Это будет стоить стране колоссальных средств, если не научиться автоматизировать данный процесс. TrafficData сегодня находится ближе всех на пути к этой цели. Для этого в будущем году планируется реализовать следующие функции:
- Определение задержки транс-порта на перекрестке;
- Определение длины очереди из автомобилей;
- Учет пешеходов.
Вследствие того, что новая технология сбора данных о транспортном потоке быстрее, экономичнее и точнее, а также с учетом предстоящих объемов работ по мониторингу дорожной сети есть уверенность, что использование интеллектуального ПО, подобного TrafficData, получит все более и более широкое применение. И через некоторое время никто и не вспомнит, что раньше делали по-другому.