Нейросети ищут неровности на тюменских дорогах
Добавлено: 28 окт 2022, 11:50
Нейросети ищут неровности на тюменских дорогах
В Тюменской области проходит испытания программно-аппаратный комплекс «Мониторинг УДС».
В автомобиле Управления автомобильных дорог установлена видеокамера и «умный» блок. Микрокомпьютер принимает сигнал с камеры и, благодаря видеозахвату, распознаёт на кадрах отклонения на улично-дорожной сети. Делает он это даже быстрее, чем Вы прочитали, - буквально в режиме онлайн на скорости до 90 км/час.
«Мы используем камеры со стабилизацией. Частота - 60 кадров в секунду. Система анализирует каждый кадр, выбирает самый оптимальный и пропускает его через модели нейросети. Каждая модель ищет свои отклонения», - комментирует Дмитрий Котоловский, директор по IT компании ИТС.
Пока нейросети обучены выявлять 4 вида детекции — отклонения в разметке и знаках, выбоины и трещины. Фото с отклонениями попадают на жёсткий диск, блок GPS присваивает им координаты, а модуль ЛТЕ отправляет карточки диспетчеру.
«Нейросеть мы обучали около двух лет. Каждый кадр она прогоняет примерно через 50 тысяч подобных изображений. Какие-то элементы приходилось «дообучать». Например, коммунальные люки нейросеть могла распознать, как выбоину. С дорожными знаками тоже был интересный опыт. Некоторые рекламные баннеры вдалеке, она распознавала как загрязнённые знаки и фиксировала детекцию. Сейчас она умеет их отличать», - рассказывает Дмитрий Котоловский.
Тюменские айтишники разработали для этого модуля подсистему диспетчеризации и управления транспортом служб содержания дорог (ДУТССД). Эта программа принимает детекции, размещает их на интерактивной карте и позволяет диспетчеру направить заявку подрядной организации.
Объясним на примере обычной выбоины. Камера фиксирует яму. Фото с координатами попадает к диспетчеру. Он в свою очередь направляет карточку задания в мобильное приложение подрядной организации. После устранения выбоины подрядчик делает новое фото и закрывает задачу. Пока идут работы карточка на интерактивной карте горит красным значком. После их выполнения цвет значка меняется на зелёный.
«Многофункциональный комплекс является только частью мероприятий, которые планируется реализовать в рамках развития интеллектуальных транспортных систем. В данном случае аппаратно-программный комплекс создан, чтобы фиксировать отклонения от нормативного состояния и передавать их подрядчикам для устранения. В перспективе систему можно будет обучить расчёту стоимости работ по восстановлению дорожного покрытия и составлению отчётности», - делится заместитель начальника Главного управления строительства Тюменской области Андрей Чистяков.
Данные системы будут помогать автоматически фиксировать отклонения на дорогах и ставить эти участки в план ремонтных работ. Они создаются в дополнение к исследованиям, которые ежегодно проводит специализированная дорожная лаборатория.
Подобная система единично запущена в г. Екатеринбурге. В пилотном варианте её используют на трассе «Екатеринбург-Пермь». Этой зимой нейросеть снова будет учиться. Разработчики планируют обучить «умный» компьютер выискивать отклонения на барьерном ограждении, определять наледь и сугробы.
Развитие интеллектуальных транспортных систем ведётся в рамках реализации национального проекта «Безопасные качественные дороги».
В Тюменской области проходит испытания программно-аппаратный комплекс «Мониторинг УДС».
В автомобиле Управления автомобильных дорог установлена видеокамера и «умный» блок. Микрокомпьютер принимает сигнал с камеры и, благодаря видеозахвату, распознаёт на кадрах отклонения на улично-дорожной сети. Делает он это даже быстрее, чем Вы прочитали, - буквально в режиме онлайн на скорости до 90 км/час.
«Мы используем камеры со стабилизацией. Частота - 60 кадров в секунду. Система анализирует каждый кадр, выбирает самый оптимальный и пропускает его через модели нейросети. Каждая модель ищет свои отклонения», - комментирует Дмитрий Котоловский, директор по IT компании ИТС.
Пока нейросети обучены выявлять 4 вида детекции — отклонения в разметке и знаках, выбоины и трещины. Фото с отклонениями попадают на жёсткий диск, блок GPS присваивает им координаты, а модуль ЛТЕ отправляет карточки диспетчеру.
«Нейросеть мы обучали около двух лет. Каждый кадр она прогоняет примерно через 50 тысяч подобных изображений. Какие-то элементы приходилось «дообучать». Например, коммунальные люки нейросеть могла распознать, как выбоину. С дорожными знаками тоже был интересный опыт. Некоторые рекламные баннеры вдалеке, она распознавала как загрязнённые знаки и фиксировала детекцию. Сейчас она умеет их отличать», - рассказывает Дмитрий Котоловский.
Тюменские айтишники разработали для этого модуля подсистему диспетчеризации и управления транспортом служб содержания дорог (ДУТССД). Эта программа принимает детекции, размещает их на интерактивной карте и позволяет диспетчеру направить заявку подрядной организации.
Объясним на примере обычной выбоины. Камера фиксирует яму. Фото с координатами попадает к диспетчеру. Он в свою очередь направляет карточку задания в мобильное приложение подрядной организации. После устранения выбоины подрядчик делает новое фото и закрывает задачу. Пока идут работы карточка на интерактивной карте горит красным значком. После их выполнения цвет значка меняется на зелёный.
«Многофункциональный комплекс является только частью мероприятий, которые планируется реализовать в рамках развития интеллектуальных транспортных систем. В данном случае аппаратно-программный комплекс создан, чтобы фиксировать отклонения от нормативного состояния и передавать их подрядчикам для устранения. В перспективе систему можно будет обучить расчёту стоимости работ по восстановлению дорожного покрытия и составлению отчётности», - делится заместитель начальника Главного управления строительства Тюменской области Андрей Чистяков.
Данные системы будут помогать автоматически фиксировать отклонения на дорогах и ставить эти участки в план ремонтных работ. Они создаются в дополнение к исследованиям, которые ежегодно проводит специализированная дорожная лаборатория.
Подобная система единично запущена в г. Екатеринбурге. В пилотном варианте её используют на трассе «Екатеринбург-Пермь». Этой зимой нейросеть снова будет учиться. Разработчики планируют обучить «умный» компьютер выискивать отклонения на барьерном ограждении, определять наледь и сугробы.
Развитие интеллектуальных транспортных систем ведётся в рамках реализации национального проекта «Безопасные качественные дороги».
