Как нейросети управляют дорожным движением в России

Работа нейросетей напоминает работу нейронов мозга человека, а именно их способность к обучению. В этом состоит главная особенность любой нейронной сети — понять закономерности в данных без четкого алгоритма их обработки, то есть человек не должен формулировать решение задачи по шагам, как в других подходах в программировании. Актуальность внедрения решений ИИ наиболее высока в тех сферах, где можно сильно ускорить работу за счет сокращения рутинных задач, выполняемых человеком, а также необходима высокая скорость обработки огромных массивов данных. К примеру, расширяется применение ИИ в интеллектуальных транспортных системах (ИТС) для повышения безопасности и комфорта использования магистралей.

Где и зачем нейросети управляют дорожным движением
Подобные интеллектуальные системы активно используются на федеральных трассах — ЦКАД, М-12, М-4, а также на ряде региональных трасс. В России разрабатываются собственные системы с применением нейронных сетей и искусственного интеллекта. В частности, они создаются на базе Центра компьютерного зрения концерна «Телематика». Технологии на базе искусственного интеллекта применяются для управления дорожным движением, идентификации транспорта на платных дорогах барьерного и безбарьерного типа, весогабаритного контроля.

На ЦКАД работает автоматизированная система управления дорожным движением нового поколения. Она на основе искусственного интеллекта и нейронных сетей с помощью видеоаналитики может автоматически обнаруживать множество самых разных инцидентов — ДТП, выпавший груз, машину, остановившуюся в неположенном месте, пешеходов или животных на проезжей части, пробку и прочее. Это позволяет оперативно реагировать на происшествия, направлять службы экстренной помощи и предупреждать других водителей о возможных опасностях на пути следования. Такие системы нужны и для других дорог России, которые зачастую проходят сквозь лесные массивы. Например, важно своевременно детектировать животных на проезжей части и заранее оповещать водителей с помощью информационных табло, что в итоге может сохранить жизнь и здоровье как людям, так и животным.

Системы взимания платы
На платных дорогах ИИ применяется как в барьерных системах оплаты, так и на трассах с безбарьерным «Свободным потоком». На безбарьерных платных дорогах ИИ позволяет водителям ехать без остановки для оплаты проезда. Нейронные сети используются для автоматического распознавания номерных знаков, определения марки, модели и класса транспортного средства. Это снижает вероятность возникновения заторов и аварий на дорогах, так как автомобили могут свободно проезжать через пункты оплаты, не снижая скорости движения и не перестраиваясь. Такой тип оплаты используется на трассах ЦКАД, М-12, МСД, а также проектируется на других строящихся платных магистралях. Сегодня алгоритмы ИИ, используемые в системе «Свободный поток», распознают более 100 марок и 1 тыс. моделей транспортных средств, а также номера 60 стран.

Как обучается ИИ?
Процесс обучения нейронных сетей устроен следующим образом: подготавливается набор данных для обучения, создается новая или адаптируется существующая архитектура нейронной сети, далее с помощью алгоритмов машинного обучения происходит подбор оптимальных параметров нейросети, который и называется обучением. Например, начальная разработка и обучение нейронных сетей для системы «Свободный поток» заняли около шести месяцев. Для этого потребовалось несколько сотен тысяч фотографий машин с номерами разных типов и стран, а также тысячи видео проездов. При этом процесс обучения является итеративным — необходимо дообучать нейронную сеть и пополнять базу данных новыми марками и моделями ТС, новыми иностранными номерами для повышения качества работы. В процессе обучения точность выявления транспортных средств превысила 99,95%, включая случаи со сложными погодными условиями. Распознавание номерных знаков технологически более сложный процесс, но и для него удалось получить точность выше 99% без учета намеренно закрытых, полностью грязных номеров. Такие показатели сильно выше доступных в интернете некоммерческих решений для таких задач — обычно они показывают не выше 95% точности при значительно больших требованиях к вычислительным мощностям.

Барьерные системы взимания платы
В барьерных системах взимания платы ИИ позволяет облегчить работу и снизить число ошибок оператора пункта взимания платы (ПВП), ускорить процесс проезда транспортных средств через ПВП, а также автоматизировать процесс оплаты въезда на участок платной дороги. Распознавание класса ТС работает здесь по схожему принципу, но используется другая конфигурация нейронной сети из-за другого конструктива барьерного пункта взимания платы. ИИ обучен разным ситуациям для правильного определения класса ТС: груз на крыше автомобиля, машина с прицепом, жесткая и гибкая сцепка и другие нетипичные случаи.

ИИ может выявлять перегруженный транспорт для взимания платы
Еще одним примером применения нейронный сетей и искусственного интеллекта в ИТС является весогабаритный контроль на дорогах — выявляются транспортные средства, нарушающие весовые или габаритные параметры, в автоматическом безостановочном режиме без снижения скорости. В этой системе обрабатываются данные с видеокамер, весов, встроенных в дорожное покрытие, и лазерных датчиков, чтобы автоматически определять превышение допустимого веса и нарушение габаритов транспортных средств. При этом нейронная сеть для определения габаритов ТС, работающая в связке со множеством классических алгоритмических методов обработки данных, умеет отфильтровывать лишние данные и определять размеры автомобиля без учета выпирающих частей, таких как антенны, боковые зеркала и т.п.

Другая важная задача — определение массы транспортного средства по сигналу с датчиков веса. Ее сложность состоит в том, что на показания датчиков влияет множество факторов, таких как скорость ТС, тип шин, температура и др. Для конвертации сигналов с датчиков в показатель веса ТС интеллектуальный алгоритм обрабатывает сигналы с использованием машинного обучения, позволяющего добиться погрешности даже меньше допустимых значений, закрепленных законодательно. Правильная работа автоматических, стационарных и передвижных пунктов весогабаритного контроля не только позволяет уменьшить количество случаев несанкционированного движения тяжеловесных и крупногабаритных транспортных средств по автомобильным дорогам России, но и экономит время добросовестных перевозчиков.

Разработка современных ИТС требует глубокого внедрения ИИ и нейронных сетей. Их применение позволяет не только ускорять и облегчать работу сотрудников транспортных служб, но и создавать новые решения, которые невозможно представить без интеллектуальной обработки данных. Тем самым достигается качественный переход на новый уровень как удобства, так и безопасности российских дорог.

Текст:
Дмитрий Куликов, руководитель Центра компьютерного зрения концерна «Телематика».

Источник: РБК.Тренды