Несколько слов о терминологии, это – важный момент. Когда сегодня говорят о реальном ИИ, следует понимать: речь идет об узконаправленном ИИ, в котором используются некие системы для решения интеллектуальных задач. Даже счеты, которыми виртуозно владели продавщицы советских времен, тоже в каком-то смысле – инструмент искусственного интеллекта. Это ИИ, «заточенный» под решение каких-то конкретных интеллектуальных задач. Ему противопоставляют «теоретический» ИИ, который может сам решать интеллектуальные задачи любой сложности. Но до его создания еще очень и очень далеко.
Еще одно заблуждение лингвистического толка – нейронная сеть. То, что программисты назвали так архитектуру системы ИИ, и его подвидом в системах глубокого обучения может быть как одна нейронная сеть, так и несколько, не означает, что ее элементарные логические элементы, которые производят с данными некие преобразования, хоть как-то похожи на нейроны. Нейроны – это клетки нервной системы живых существ, которые обладают электрической активностью. Нейрон чаще всего имеет много коротких отростков (дендритов) и один длинный (аксон). Электрический сигнал от нейрона к нейрону передается через химический контакт (синапс) при помощи специальных молекул (нейромедиаторов). Один нейрон может иметь до 100 000 синапсов. В нейронных сетях ИИ нет ничего похожего на синапсы, нейромедиаторы, дендриты, аксоны и так далее, нейрон любого организма гораздо сложнее, он – в корне другой.
Единственная схожесть наблюдается в случае так называемых сверхточных нейронных сетей, которые направлены на распознавание изображений. Здесь архитектура нейросети копирует некоторые элементы обработки визуального сигнала в сетчатке глаза и коре головного мозга.
Новости о том, что через некоторое время досмотр пассажиров заменит искусственный интеллект, что приведет к ускорению процесса, осуществляемого сегодня специально обученными сотрудниками служб транспортной безопасности, в частности, специалистами по досмотру, дополнительному досмотру и повторному досмотру, специалистами, осуществляющими наблюдение и (или) собеседование, не говоря уже о работниках групп быстрого реагирования, так же явно преждевременны.
В настоящий момент предполагать, что системы ИИ могут в будущем заменить человека на многих участках работы, бессмысленно. Интеллекта у роботов нет. Можно научить их видеть, выделять объекты, но что с ними делать, робот не знает. Он может говорить, и создается иллюзия, что он все понимает. На самом деле он практически выхватывает слова из заданного вопроса, совершенно не понимая их смысла.
Серьезным барьером для стремительного развития искусственного интеллекта является то обстоятельство, что при переходе от простых к более сложным задачам время вычислений растет не линейно, а экспоненциально.
Интеллектуальные транспортные системы позволят решить ряд вопросов по управлению дорожно-транспортным комплексом, в том числе – проблемы социального характера. Но мы еще только в самом начале пути, хотя это обстоятельство, конечно же, ни в коем случае не перечеркивает достижения разработчиков.
И не забудем, что развитие собственно технологий требует адекватной подготовки тех, кто управляет этими системами. В частности, водителей, машинистов и всего персонала, участвующего в процессах управления ИТС. Здесь, поверьте, пока тоже очень много нерешенных проблем.
Современные мегаполисы являются сложными транспортными системами, глубоко интегрированными в структуру безопасных и умных городов. Сегодня уже трудно себе представить развитие и управление транспортными потоками в больших городах без интеллектуальных транспортных систем, которые контролируют движение транспортных средств на подъездах и в самом городе, оптимизируют работу светофоров и городского освещения, а также значительно повышают безопасность и эффективность движения на дорогах.
В качестве примеров применения систем автоматического обнаружения инцидентов (AID) для крупных автомагистралей, мостов и туннелей можно привести несколько конкретных проектов, реализованных нашей компанией. Hong Kong Zhuhai Macao Bridge (Гонконг Чжухай Макао Бридж) – объект представляет собой пересекающийся в нескольких точках мост длиной 29,6 км, серию туннелей общей протяженностью 11,6 км и более 10 км надземных дорог. На этом объекте система AID включает в себя 3 операционных центра и более 300 камер, по крайней мере половина из которых – интеллектуальные. Основной мост соединяется с сетью надземных дорог на береговой части Гонконга, которая также оборудована системой AID для наблюдения за дорожным движением и обнаружения инцидентов.
В Брюсселе, столице Бельгии и административной столице Европейского Союза, проживают 2 миллиона человек. Городская транспортная инфраструктура в значительной степени состоит из ряда туннелей, особенно это характерно для городской кольцевой дороги. В пятнадцати туннелях задействована централизованная система AID, и осуществляется сбор данных о движении с определенных камер (в общей сложности – с 450 камер). Для работы с большим количеством камер и аварийных сигналов были реализованы следующие операторские интерфейсы: одиночный экран аварийных сигналов, предназначенный для отображения последних 3 аварийных сигналов; панель инструментов для обзора системы; интерфейс отчетности по трафику. Фильтр AID является критически важной функцией для управления и фильтрации аварийных сигналов, генерируемых почти 500 камерами в туннелях и на подъездных путях.
Крупные мегаполисы реализуют свои собственные программы ИТС, поэтому опыт каждого такого города по-своему уникален и достоин отдельного изучения. Задача борьбы с транспортными заторами и оптимизация городских и пригородных транспортных потоков схожи только на первый взгляд. Если изучать источники возникновения проблем, то в каждом городе выявится своя уникальная специфика. К ней относится и текущая структура транспортных потоков, и места расположения центров притяжения граждан (места работы, спортивные и культурные комплексы, вокзалы, иные места массового пребывания людей), и уровень доходов населения, и фактор сезонности, особенно для городов, расположенных в туристических зонах и местах паломничества, и текущий уровень развития ИКТ. Что касается последнего, то процесс создания ИТС в городе невозможно отделить от процесса автоматизации и информатизации остальных служб города, а он в разных городах даже в рамках одной страны отличается весьма сильно. Поэтому трудно говорить об отличиях российского опыта в создании ИТС от общемирового, скорее, следует говорить об отличиях в подходах Москвы и Токио, например.
В целом, можно выделить некоторые общемировые тренды в построении ИТС:
С ростом населения и развитием автомобильной промышленности необходимость внедрения ИТС стала очевидна. Прежние подходы, как, скажем, расширение дорог, увеличение их количества, стали бесполезными. Особенно наглядно это видно на примере крупных городов США и Китая. Эффективная эксплуатация существующей улично-дорожной сети и её оптимальное развитие потребовали внедрения современных высокотехнологичных решений. Комплексное внедрение технологий и средств автоматизации, ориентированное на предоставление оптимальных транспортных сервисов участникам дорожного движения, стало все чаще применяться в мире. Подсистемы ИТС сегодня широко внедрены и продолжают развиваться в Корее, Японии, США, Германии, Австралии и в других странах.
Надо сказать, что математические модели и алгоритмы, лежащие в основе ИТС, начали разрабатываться ещё в середине XX века. Внедрение ИТС в России началось в Москве и Санкт-Петербурге. Однако широкое комплексное внедрение автоматизации потребовало технологий, которые стали доступны только недавно. С 2016 года наблюдается новая тенденция: элементы ИТС шагнули за пределы городов федерального значения и стали появляться в других миллионниках, на платных трассах.
Если говорить об использовании мирового опыта в России при создании ИТС, то можно сказать, что у нас перенимаются все лучшие практики и перспективные направления в этой области. Одним из основных двигателей этого процесса является нацпроект «Безопасные качественные автомобильные дороги». Согласно одной из целей проекта – снижению количества и тяжести ДТП — идет активное внедрение решений для безопасности дорожного движения. Здесь лидирующее положение занимают комплексы фото- и видеофиксации нарушений ПДД. Так на сегодня в России насчитывается более 12 000 комплексов, а к 2024 году планируется довести их количество до 19 000. Вторая активно наследуемая у нас подсистема ИТС – автоматическая система управления дорожным движением (АСУДД). АСУДД в современном виде представлена в Москве, Санкт-Петербурге, Нижнем Новгороде, Самаре, и в рамках БКАД будет развита на различных дорогах страны.
Следующий этап в развитии ИТС в России – это решения в области управления и диспетчеризации общественного транспорта и мультимодальных пассажирских перевозок. Цель таких систем – обеспечить комфортное перемещение на общественном транспорте. Это позволит снизить количество транспорта на улицах, минимизировать заторы, создать комфортные условия для жителей и развития экономики крупных городов.
С увеличением количества транспортных средств в мегаполисах остро встает проблема средней скорости движения и загруженности дорог. Многие города мира не первый год стоят в пробках, но лишь немногие их них смогли развязать этот «транспортный узел». Не всегда есть возможность построить новую дорогу или расширить существующую магистраль, поэтому решать проблему загруженных дорог необходимо с помощью современных технологий. Интеллектуальные транспортные системы призваны помочь в этом вопросе за счет эффективного управления светофорными объектами, средствами регулирования и мониторинга дорожного трафика, системами информирования участников движения о ситуации на дорогах и т.д.
В Москве уже несколько лет ведется планомерная работа по внедрению и интеграции элементов ИТС. В основе этого проекта лежит опыт Барселоны, так как города похожи между собой по структуре. ИТС в Барселоне – это неотъемлемая часть «умного» города, которая включает в себя системы управления парковочным пространством, освещением, мониторинга уровня различных типов загрязнения окружающей среды (выхлопные газы, мусор, шум и т.д.), контроля за соблюдением ПДД и фиксации нарушений, многочисленные IoT-решения и многое другое. Также предусмотрена интеграция с городским общественным транспортом и шеринг- системами (аренда велосипедов).
Опыт нашей компании был использован при построении проекта «умный город» в Сингапуре, где более 1500 точек интеллектуального видеонаблюдения контролируют, в том числе, ситуацию на дорогах. В этом проекте задействовано 1450 серверов для облачного анализа данных, работа которых построена на единой управляющей платформе. Сингапур – это один из наиболее показательных примеров в мире с точки зрения развития ИТС, эффективного использования видеосистем для управления транспортными потоками и обеспечения бесперебойного движения наземного пассажирского транспорта.
Если говорить о трендах, то я бы отметил высокую заинтересованность пользователей ИТС в получении дополнительной информации о дорожном трафике. Например, раньше контроль дорожного движения строился на данных с датчиков плотности потока, которые оценивали только общую загруженность конкретного участка. Сейчас, благодаря развитию технологий на базе алгоритмов глубокого обучения, системы видеонаблюдения могут анализировать тип транспортного средства (легковой автомобиль, грузовой транспорт, автобус и т.д.), марку, цвет, траекторию движения и т.д. Искусственный интеллект превращает стандартную систему видеомониторинга в систему раннего предупреждения оператора и участников движения о проблемах на дорогах, предотвращения возможных инцидентов и заторов.
Перечислю некоторые из входящих в структуру ИТС систем. Системы регистрации происшествий и нарушений, имеющие следующие функции: остановка транспорта в неположенном месте; выезд на встречную полосу; превышение скорости; движение в неправильном направлении; авария; пешеход в неположенном месте; задымление, пожар в туннелях и под мостами; упавший крупногабаритный груз и другие. Данные решения значительно повышают эффективность работы и помогают городским службам организации транспорта и полиции своевременно выявлять происшествия, быстро и адекватно реагировать на них.
Системы мониторинга и классификации транспортных средств с возможностью анализа загруженности и сезонных изменений движения на дорогах. Данные системы могут предоставлять следующую информацию: подсчёт проехавших транспортных средств; классификация проехавших транспортных средств (здесь есть возможность определять габариты транспортных средств, классифицировать их как легковые, грузовые, с прицепом, мотоциклы, а в случае необходимости определять такие характерные признаки, как марка, модель, цвет и т.д.); средняя скорость потока; расстояние между транспортными средствами. Данные системы активно используются городом для предотвращения пробок, заторов, дают информацию для оптимизации работы перекрёстков, светофоров, шлагбаумов, что, в свою очередь, ведёт к уменьшению выбросов СО2 и других загрязнений воздуха, а так же сокращает время передвижения.
Системы регистрации контроля за правонарушениями. К ним, например, относится система выявления неправильной парковки, которая позволяет определить неправильно припаркованное транспортное средство с последующим распознаванием номера и автоматической выпиской штрафа. Так же существуют системы распознавания номера с последующей интеграцией в систему контроля доступа, например, для открытия или закрытия шлагбаумов как на платных дорогах, парковках так и на въездах в торговые центры.
Как было сказано выше, структура и даже назначение ИТС могут сильно отличаться от города к городу, но основные тренды в области информационных и коммуникационных технологий сильно влияют на развитие ИТС. Из всех цифровых технологий в ИТС нашли свое применение: системы видеоаналитики и системы распознавания лиц, построенные на нейронных сетях; беспилотные летательные аппараты; беспроводные технологии передачи информации; решения по обработке больших данных (Big Data) и машинного обучения; системы интернета-вещей; геоинформационные системы; BIM-технологии; искусственный интеллект; системы цифрового видеонаблюдения ультравысокого разрешения.
Говорить о широком применении указанных технологий еще рано, но они стремительно набирают популярность, так как позволяют решать задачи, казавшиеся слишком дорогими и сложными еще несколько лет назад.
В России на текущий момент уже сформировано общее понимание о структуре и назначении ИТС, которое отражено в проектах ГОСТов, методических указаниях министерства транспорта и РОСАВТОДОРа. Если обобщить всю информацию, то назначение ИТС – создание для всех участников движения комфортные и безопасные условия для перемещения и перевозки грузов. Здесь подразумевается повышение безопасности дорожного движения, оптимизация транспортных потоков, управление системой общественного транспорта, взаимодействие транспортных средств, участников дорожного движения и дорожной инфраструктурой между собой, и др. Нельзя забывать, что участниками движения являются не столько автомобили, сколько люди – водители и пешеходы. И это является определяющим при понимании концепции ИТС.
Для ИТС используют огромный спектр технологий, включая современные нейронные сети и искусственный интеллект. ИТС – это оптимальная интеграция решений, созданных разными разработчиками в разное время. Не всегда самые современные технологии рационально использовать с учетом особенностей региона или задачи. Поэтому невозможно создать некий ограниченный список, который можно было бы здесь привести.
Могу сослаться на опыт нашей компании. На сегодняшний день востребованы технологии компьютерного зрения, распределенная обработка сигналов, нейронные сети, специализированные ускорители вычислений, высокоэффективные матрицы видеокамер, проводные и беспроводные способы передачи данных, ЭЦП и прочие.
Современная ИТС – это сложный механизм, который контролирует все городские подсистемы, связанные с движением, в круглосуточном режиме. В ее задачи входит управление дорожным движением, сбор/хранение/передача данных в единый центр мониторинга, информирование участников движения о текущей транспортной ситуации, фиксация нарушений, обеспечение безопасности дорожного движения, распределение приоритетов движения для ТС экстренных служб и наземного пассажирского транспорта.
Еще одной важной задачей ИТС является прогнозирование развития сложной дорожной ситуации, предсказание на основе анализа больших данных загруженных участков. Сюда же входит выявление и анализ различных типов нарушений на дорогах: проезд на красный свет, движение по встречной полосе, смена полосы движения с нарушением ПДД, нарушение правил парковки, превышение скорости, непристегнутые ремни безопасности и другие нарушения.
Стандартная ИТС состоит из нескольких элементов: камеры видеонаблюдения с расширенными функциями аналитики, радары для определения плотности потока, интеллектуальные светофорные системы, серверы управления.
До недавнего времени такие системы в основном имели ПО на серверах, на которые информация приходила от различных датчиков и видеокамер. Сегодня, благодаря развитию систем IP-видеонаблюдения и использованию процессоров с высокой производительностью, появилась возможность размещать аналитику непосредственно на борту камеры, что позволяет значительно упростить и удешевить систему. Зачастую удаётся установить аналитику на уже существующую и работающую систему IP-видеонаблюдения, используемую для целей безопасности. Таким образом происходит интеграция систем безопасности и ИТС.
И, конечно же, в данном случае очень важно выбирать ИТС, которые легко интегрируются в общую систему видеонаблюдения. В мире уже наблюдается ярко выраженная тенденция интеграции систем безопасности и ИТС в концепции безопасного и умного города.
Ввиду участившихся случаев правонарушений на объектах транспортной инфраструктуры технологии безопасности с каждым годом только наращивают свое присутствие в ИТС. В нашей стране принята законодательная база по сертификации технических средств обеспечения транспортной безопасности, созданы испытательные лаборатории, разработаны методики оценки соответствия таких средств требованиям. Конечно, работы в этом направлении еще очень много, и не все проходит гладко, но активное участие граждан, юридических лиц, различных ассоциаций и объединений, соответствующих комитетов и рабочих групп в законодательных органах позволяет сказать о том, что данная отрасль развивается очень быстро. Кроме того, технологии, традиционно использовавшиеся ранее только для обеспечения безопасности, находят свое применение в других сферах и даже могут быть источником дохода, привлекающим инвесторов для участия в инфраструктурных проектах. Например, в безопасности давно используют технологии распознавания, но в коммерческой сфере они нашли свое применение совсем недавно.
ИТС – это система управления ключевой инфраструктурой государства и, как любая стратегически важная система, должна быть защищена от несанкционированного вмешательства как в физическом плане, так и в информационном (взломы, несанкционированный доступ, утечка данных, заражение вредоносными программами). Вся нормативная документация, определяющая требования к ИТС, выделяет систему безопасности в отдельную обязательную к внедрению подсистему.
Сегодня ИТС – это намного больше, чем просто оборудование и технологии. ИТС предполагает проведение системных изменений городской транспортной системы. Ключевое слово здесь – интеллект. С его помощью ИТС может предоставлять услуги населению, повышать эффективность, безопасность и экологичность транспорта, развивать устойчивую мобильность современного мегаполиса. В конечном счете, интеллектуальная транспортная система призвана создавать комфортные условия для передвижения по городу, а также сократить экономические потери города из-за пробок.
Анализ больших данных в ИТС также можно использовать для бизнес-задач, что существенно расширяет возможности ее применения. Например, в зависимости от трафика и преобладающего состава участников движения можно транслировать на дорожных щитах ту или иную таргетированную рекламу или информацию, просчитывать объем потенциальной аудитории.
Суть ИТС состоит в том, что они должны помогать регулировать транспортные потоки, разгружать улично-дорожную сеть, предупреждать возникновение пробок. А системы безопасности призваны предотвращать угрозы и помогать в расследовании происшествий. Задачи разные, но с точки зрения технологий у этих двух систем могут быть пересечения. Конкретно: устройства, которые используются в системах безопасности, например, камеры видеонаблюдения, могут собирать данные для ИТС. Чтобы получить эти данные из видеопотока, необходима видеоаналитика. При этом наиболее ценную и точную информацию может предоставить видеоаналитика на основе нейронных сетей.
Это вопрос, касающийся безопасности региона, безопасности города. Узлы транспортно-логистической структуры с точки зрения движения огромного потока людей являются ключевыми точками транспортной системы. Во-первых, они пропускают через себя большое количество людей и транспортных средств, которые можно и нужно контролировать. Во-вторых, это точки повышенной террористической опасности. Понятно, что контроль огромного потока людей и транспортных средств силами нескольких десятков людей за мониторами в ситуационном центре, явно уступает технологиям с применением искусственного интеллекта, как в плане финансово- экономической эффективности, так и в плане эффективности работы в целом. Но надо учитывать, что сама отрасль безопасности сложно принимает передовые технологии и инновации, иногда – вполне обоснованно. Это и понятно, ведь цена ошибки в этом случае слишком велика. Вывод: должен быть найден компромисс между использованием передовых технологий и ответственностью представителей СБ. Прошедший в России чемпионат мира по футболу показал высокую эффективность применения систем искусственного интеллекта, а именно, распознавание лиц преступников на транспортных узлах. Мобильные системы, применяемые полицейскими для распознавания лиц в потоке людей, показали высокую эффективность в выявлении потенциальных нарушителей при проверке документов. Стоит отметить важность концептуальных систем в зонах пограничного контроля, в промышленных районах мегаполиса для мониторинга нахождения людей после окончания рабочего дня, контроль движения коммерческого транспорта и т.д.
По мере того, как городские улицы и тротуары становятся все более многолюдными, планировщикам городов приходится решать новые задачи безопасности, которые создают невнимательные пешеходы, растущее число велосипедистов и увеличение нагрузки на общественный транспорт. В то же время транспортные средства с полуавтономной системой управления и смарт-технологиями, позволяющими устанавливать связь друг с другом и с придорожной инфраструктурой, становятся все более популярны в крупных городах и на автомагистралях.
Перед ведущими инженерами по дорожному строительству и проектировщиками дорог стоит сложная задача: как выбрать из широкого спектра новейших технологий, ту самую, подходящую технологию, которая позволит повысить мобильность, безопасность и эффективность использования автомобильных дорог сейчас и в будущем, и которая придаст нам уверенности в том, что сделанный выбор – действительно разумное и надежное капиталовложение?
IP-камеры со встроенной видеоаналитикой являются ключевым компонентом интеллектуальных транспортных систем. В сочетании с другими системами управления городской инфраструктурой и дорожным движением умные IP-камеры предоставляют сведения о дорожной ситуации, предупреждают о рисках безопасности и предоставляют информацию, необходимую для принятия решений. В результате планировщики городов и ведущие инженеры по дорожному строительству могут создать умную, безопасную и стабильную транспортную экосистему.
Если сегодня посмотреть на предложения рынка, то мы найдём различные решения ИТС, исходя из качества, функционала, возможности интеграции и цены. Конечно, все эти факторы важны для выбора и не всегда нужно инвестировать в многофункциональные дорогие системы, если перед вами стоят простые задачи, и вы имеете ограниченный бюджет. Напротив, если задачи связаны непосредственно с безопасностью движения, нужно очень серьёзно подходить к выбору системы.
Возьмём, к примеру, функцию фиксации инцидентов. В данном случае от качества и точности срабатывания системы непосредственно зависит скорость реакции оператора на событие, принятие правильного решения и своевременная помощь. От того, как своевременно и правильно были приняты те или иные меры, может зависеть жизнь участников дорожного инцидента.
В принципе у системы фиксации дорожных происшествий есть два критерия: процент распознавания инцидентов и процент ложных срабатываний. Если система показывает большое количество ложных срабатываний, то доверие к ней уменьшается, и не всегда происходит адекватная реакция на реальные события. Если говорить о фиксации инцидентов с помощью камер на открытых участках, например, на магистралях, то мы можем получить довольно большое количество ложных срабатываний, возникающих из-за погодных условий, таких как дождь, который затрудняет съемку, а так же блики и отражения фар от луж и мокрого асфальта. Это могут быть и облака, и тени от столбов, стоек мостов, которые могут быть приняты системой за транспортное средство или упавший груз. В данном случае на помощь приходит искусственный интеллект, или, как его ещё называют, нейронные сети. Подобные системы пока ещё крайне дороги, и под силу в разработке только крупным компаниям. Их использование позволяет системе самообучаться на базе огромного количества информации, которую она собирает и анализирует. Как результат, система учится отличать реальные инциденты от ложных срабатываний.
Как показывает наш опыт, использование данных систем позволит сократить количество ложных срабатываний в 10 и более раз. Поэтому выбирая систему, необходимо понимать, насколько качественно она, работая на открытом объекте, готова отличать реальное событие от ложного сигнала.
Уверен, что в ближайшем будущем нейронные сети с постоянно повышающимися возможностями будут неотъемлемой частью ИТС.
Технологии нейронных сетей известны уже более 50 лет, но отсутствие необходимой аппаратной базы и соответствующей вычислительной мощности сильно тормозило развитие данного направления. Развитие ИТ-отрасли изменило ситуацию, и, например, уже существуют видеокамеры со встроенной аналитикой распознавания нештатных дорожных ситуаций на базе нейронных сетей. Главной отличительной особенностью нейронных сетей является их способность к обучению и адаптации, что значительным образом повысило качество систем видеоаналитики и открыло для них массовый рынок.
Технологии искусственного интеллекта в ИТС сегодня проходят, скорее, апробацию и применяются еще не так массово. Наиболее перспективным является применение технологий искусственного интеллекта при создании систем анализа и прогнозирования ситуации, автоматического управления беспилотным транспортом, адаптированного управления исполнительными механизмами дорожной инфраструктуры. Так как развитие искусственного интеллекта проходит свою раннюю стадию, ему пока не доверяют решение сложных задач, от которых может зависеть жизнь и здоровье граждан, поэтому, как правило, выносимые им решения проверяются экспертами прежде, чем дать им ход.
Мы живём в эпоху цифровой трансформации и технологии, которые сейчас разрабатываются в рамках лабораторий, а уже завтра могут найти свое массовое применение в ИТС. Зачастую предсказать, какие именно это будут технологии, крайне сложно. Однако уже сейчас видно, что внедрение ИТС даже на уровне современного технологического развития может существенно облегчить жизнь горожан и помочь осуществить переход от города как места проживания и работы к городу как цифровой платформе предоставления жителям различных услуг.
Нейронные сети и искусственный интеллект – это специфический инструментарий, алгоритмы, предназначенные для решения определенного класса задач. В первую очередь, это задачи распознавания, кластеризации экспертных оценок для поддержки принятия решений. Результат, который выдают нейронные сети и системы ИИ, всегда имеет вероятностный характер. Для решения некоторых задач это допустимо, для решения других задач с детерминированной моделью эти инструменты не подходят, и необходимо использовать другие средства. С уверенностью можно сказать, что в рамках ИТС найдется место как нейронным сетям и системам ИИ, так и иным средствам и подходам.
ИТС нового поколения использует интеллектуальные решения на базе нейросетей для расширения стандартного набора функций. Искусственный интеллект позволяет не только производить мониторинг и фиксирование нарушений, но и обеспечивать полностью автоматизированное управление дорожной сетью, снижая влияние человеческого фактора и повышая скорость реагирования на события.
Ранее я упоминал технологии анализа на базе алгоритмов глубокого обучения для определения индивидуальных параметров ТС (марка, цвет, тип и т.д.), а также отличительные особенности (например, повреждения от аварии, надписи на корпусе и т.д.). Данная информация особенно важна при поиске ТС в фото- и видеоархивах или по камерам в онлайн-режиме. Ближайший пример из нашей практики: весогабаритный контроль на дорогах. Штраф за перевес грузовых ТС может доходить до 500 тысяч рублей для юридических лиц, поэтому водители грузового транспорта часто скрывают номера при проезде стационарных постов весового контроля. В этом случае видеоаналитика на базе алгоритмов глубокого обучения позволяет найти нарушителей по отличительным приметам транспортного средства, чтобы привлечь их к ответственности. Такой же алгоритм используется и для борьбы со злостными нарушителями правил парковки, которые закрывают номера своего автомобиля.
Искусственный интеллект с машинным зрением выводит сбор данных и анализ дорожного трафика на новый уровень. Существующие датчики транспортного потока применяются давно и имеют довольно низкую стоимость. Однако они умеют считать только металлические объекты типа «машина». В то же время в объектив видеокамеры попадают множество других событий. К примеру, искусственный интеллект может четко вести подсчет людей на тротуарах. На практике это знание может быть использовано при планировании комфортной городской среды: если на участке дороги при небольшом транспортном трафике проходит большое количество пешеходов, городские власти принимают решение о расширении тротуаров за счет сужения проезжей части. Датчики ИТС оснащены детектором оценки габаритов и могут отличать легковые ТС от грузовых только очень приблизительно. Нейросеть же может распознавать транспортные средства с гораздо большей достоверностью, различать типы грузовых машин (мусоровоз, поливочно-чистильная или снегоуборочная техника), что позволяет понять, с какой целью они проехали по данному участку дороги, и дает возможность контролировать работу городских служб. Существуют также детекторы, которые в заданных областях обнаруживают остановку ТС, начало затора, начало движения ТС и окончание затора.
Хотя решение для ИТС на основе нейронных сетей и будет дороже датчиков, но оно предоставляет гораздо больше возможностей: распознавание автомобильных номеров, детектирование фактов остановки автомобилей, подсчет машин и пешеходов, достоверное определение типа ТС, контроль работ в заданной области, предоставление исходных данных в базу интеллектуальной транспортной системы.
Чтобы система была максимально эффективной с финансовой точки зрения, имеет смысл использовать одну и ту же инфраструктуру для разных целей. Так, система видеонаблюдения может применяться и для обеспечения безопасности, и для сбора данных для ИТС, и для сбора информации для городских властей с целью контроля работы различных служб (уборка снега, вывоз мусора и т. д.) и планирования улучшения городской среды — расширения или сужения тротуаров, организации парковочных мест, управления освещением.
Обращусь к опыту нашей компании: в 2019 году достигнут большой прогресс во внедрении технологи ИИ в рамках архитектуры ARM (Advanced RISC Machine). В мировой практике это направление, которое позволяет использовать возможности ИИ в небольших устройствах, например, в автомобильных регистраторах. Какие задачи решает внедрение технологий ИИ в данном случае? Во-первых, контроль за состоянием водителя, что особенно важно для крупных компаний – перевозчиков. ИИ распознает разные виды поведения человека: разговор по телефону, степень концентрации внимания на дороге, уровень усталости, психоэмоциональное состояние, пристегнут ремнем безопасности или нет. По характеру движений, скорости движения зрачков, частоте моргания технологии с применением ИИ позволяют определить психоэмоциональное состояние водителя, оценить его и, при необходимости, подать сигнал в центр наблюдения или локально, например звуковой или вибросигнал. Во-вторых, помощь водителю при движении на дороге. Анализ характера вождения, контроль за соблюдением скоростного режима и правил дорожного движения позволяют предупредить нежелательные ситуации на дороге. В-третьих, распознавание драк и потасовок. Видеокамеры распознают агрессивное поведение, и подают тревожный сигнал в центр наблюдения или локально, например, звуковой или вибросигнал. Также следует отметить решение задач личной безопасности граждан при пользовании услугами такси. ИИ в данном случае будет контролировать соответствие внешности водителя такси и реальных сотрудников компании – перевозчика.
Стоит особо отметить, что технологии с использованием ИИ позволяют собирать огромное количество разнообразной информации для системы больших данных мегаполиса. Эти данные анализируются и позволяют решать глобальные задачи по регулированию трафика движения транспортных средств, потоков людей в общественных местах, на различных транспортных узлах в разное время дня и ночи. Использование камер видеонаблюдения в торговых центрах позволяет анализировать статус посетителей, их активность в зависимости от времени суток. А далее – принимать решение об эффективности функционирования тех или иных торговых компаний в разных районах города.
К примеру, в одном из штатов на Среднем Западе США IP-камеры со встроенной функцией видеоаналитики помогают повысить безопасность на дорогах, предупреждая водителей об опасностях на трассе. Некоторые из таких тревожных сигналов – это предупреждения о перекрестном движении, о скорости движения на поворотах, об обнаружении пешеходов, о скоплениях машин в пробках, о проведении дорожных работ и об обнаружении автомобиля, едущего по встречной полосе. При обнаружении камерами какого-либо события запускается система информационных решений для автотрасс, позволяющая направлять сообщения о таких инцидентах непосредственно на дисплей в подключенных к смарт-системе транспортных средствах, а для подавляющего большинства неподключенных транспортных средств сообщения передаются на модульные светодиодные табло и другие системы оповещения, что повышает осведомленность о рисках и, соответственно, безопасность всех автомобилистов.
Perimeter Defender обеспечивает защиту периметра объекта. Приложение для видеоаналитики и сетевые камеры Axis - это высокоэффективная система, автоматически обнаруживающая людей и транспортные средства, въезжающие в охраняемые зоны, усиливает физический контроль доступа, подходит для объектов общественного транспорта с высокими требованиями к уровню безопасности, таких как железнодорожные платформы и автобусные станции.
Высокая точность обнаружения и минимальное количество ложных срабатываний, в сочетании с тепловизионными сетевыми камерами, обеспечивают высокую надежность системы.
Запатентованные по классификации звука решения Sound Intelligence делают системы мониторинга безопасности проактивными, позволяя заблаговременно обнаруживать потенциальные инциденты, оперативно реагировать на ситуацию и, во многих случаях, предотвращать их дальнейшую эскалацию. Решение на 100% реализовано на борту камеры и может обнаруживать звуки выстрелов, разбития стекла, а также признаки агрессии в человеческом голосе. Технологии нашли применение на тысяче объектов по всему миру, включая тюрьмы, медицинские учреждения, школы, общественный транспорт и круглосуточные магазины.
SmokeCatcher от компании-разработчика видеоаналитики Araani - запатентованная надежная система раннего оповещения для обнаружения дыма в критических средах, проверенная и протестированная с камерами Axis.
Благодаря системе визуализации и аналитике на основе шаблонов, SmokeCatcher предлагает сверхбыстрое обнаружение дыма там, где традиционные системы обнаружения дыма выходят из строя из-за медленного обнаружения возгорания или характеризуются слишком большим количеством ложных срабатываний. Применение интеллектуального ПО SmokeCatcher на основе IP-камер Axis с технологией Lightfinder, обеспечивающией качественное изображение в условиях плохой освещенности, позволяет эффективно обнаруживать задымления.
Security Center - это унифицированная платформа от Genetec, которая объединяет системы IP-безопасности через единый интуитивно понятный интерфейс. Security Center позволяет объединять системы контроля доступа, видеонаблюдения и автоматического распознавания номерных знаков, обнаружения вторжений и аналитики, что расширяет возможности системы безопасности и повышает эффективность работы за счет осведомленности о ситуации, единого управления, контроля и подключения к облаку.
Продукты Citilog для углубленного анализа видео и видеонаблюдения позволяют в реальном времени обнаруживать ДТП и затруднения дорожного движения, помогая центрам управления дорожным движением лучше управлять транспортными потоками и быстрее реагировать на происшествия. Кроме того, Citilog предлагает решения для углубленного анализа статистики транспортных потоков, а также для управления светофорами и движением на перекрестках. Продукция компании используется во всем мире для мониторинга автомагистралей, тоннелей, мостов и других инфраструктурных объектов, а также для управления дорожным движением в городах. Решения компании позволяют выявлять инциденты и обнаруживать насыщение транспортных потоков, помогая организациям по управлению дорожным движением в реальном времени перенаправлять потоки для повышения эффективности транспортной инфраструктуры.
IPS Public Transport Protection - это интеллектуальный модуль видеоаналитики для обнаружения подозрительных объектов или событий позволяет в режиме реального времени повысить эффективность системы видеонаблюдения и помогает персоналу службы безопасности своевременно распознавать потенциальные угрозы в подземных и надземных железнодорожных путепроводах.
IPS Public Transport Protection обеспечивает оповещение в режиме реального времени о возможных аварийных, опасных ситуациях и подозрительных событиях. Удобное использование в рамках AXIS Camera Application Platform (ACAP). IPS позволяет реализовывать и другие аналитические модули на базе камер: обнаружение нарушений внутри помещений, вторжений, движений, праздношатающихся и саботажа.
DETECTOR - это система, использующая алгоритмы машинного зрения, основанные на методах искусственного интеллекта для обнаружения нарушителей оплаты проезда в общественном транспорте.
Позволяет проводить выборочные проверки, не нарушая транспортное сообщение, эффективно организовывать работу небольших групп контроллеров.
Аналитика DETECTOR дает возможность операторам использовать данные о нарушении оплаты в реальном времени, анализировать эффективность действий и рекомендаций по маршрутам проверок, используя ежечасную, ежедневную, еженедельную и ежемесячную статистику.
Система распознавания номеров AXIS позволяет легко и с минимальными затратами внедрить и эксплуатировать автоматизированную систему доступа транспортных средств на парковках.
Приложение распознает менее чем за секунду номерной знак, захваченный камерой, и проверяет его по списку разрешенных или неавторизованных номерных знаков, хранящихся в камере. Система проста в монтаже, поскольку предусматривает автономную установку с подключением непосредственно к шлагбауму. Вся обработка и хранение данных могут осуществляться на борту камеры, поэтому нет необходимости в центральном сервере или интеграции с системой видеонаблюдения.
Основные функции: 2-модульная PTZ IP-видеокамера; распознавание лиц; технология Starlight; сбор метаданных; интеллектуальное слежение; защита периметра.
Возможности видеоаналитики: встроенное распознавание автомобильных номеров; высокая частота детекции ТС; поддержка определения направления движения ТС; поддержка обнаружения по видео или радару; поддержка обнаружения 11 типов ТС (автобус, фура, средний грузовик, седан, минивэн, легкий грузовик, внедорожник, MPV, маршрутка, пикап и микроавтобус), 11 цветов (в дневное время); выявление нарушений (превышение скорости, проезд на красный сигнал светофора и т.д.); детекция потока (статистические данные каждой полосы движения: время, дата, статистический период, полоса движения, интенсивность движения, загрузка, скорость движения, средняя скорость, длина очереди, тип транспортного средств).
Также присутствует защита видео от редактирования и видео/изображение с водяными знаками и функцией проверки.Видеокамера обладает высокопроизводительным процессором с искусственным интеллектом, специализированной для контроля дорожного движения КМОП-матрицей с кадровым затвором и высокой частотой кадров и алгоритмами глубокого обучения. Она использует сложную технологию слияния изображений для отображения высококачественных полноцветных изображений в ночное время. Видеокамера идеально подходит для интеллектуального управления дорожным движением и обеспечения его безопасности, имеет возможность обнаружения нарушений правил дорожного движения как в режиме распознавания автомобильных номеров, так и в режиме электронной полиции, регистрации проезжающих транспортных средств, сбора данных о дорожном движении, обнаружения событий и многое другое.
Видеокамера создана на основе высокопроизводительных КМОП-матрицы с кадровым затвором и независимо разработанного процессора, способных считывать и извлекать подробную информацию о транспортном средстве днем и ночью. Интеллектуальный алгоритм глубокого обучения позволяет распознавать государственный регистрационный номер, а также марку автомобиля, модель, логотип и цвет (днём или при наличии достаточного искусственного освещения). Видеокамера широко применяется для распознавания номеров транспортных средств и наблюдения за общественными дорогами, парковками и др.
Преимущества: высококачественное изображение, видеоаналитические функции, высокоуровневая защита (грозозащита, IP67), различные коммуникационные порты (для подключения внешних устройств), простота установки и настройки благодаря встроенной ИК-подсветке и моторизованному вариофокальному объективу.