Русский   English
 

При написанні даного реферату магістерська робота ще не завершена. Остаточне завершення: червень 2020 року. Повний текст роботи та матеріали по темі можуть бути отримані у автора або його керівника після зазначеної дати.


Реферат за темою випускної роботи

Зміст

Вступ

У зв'язку із зростанням кількості одиниць транспортних засобів (ТЗ) у багатьох країнах світу завдання інтелектуалізації управління і забезпечення безпеки руху стає все більш актуальною. Також через наявність людського фактора існує ймовірність виникнення різних аварійних ситуацій. Для вирішення даної проблеми ведуться дослідження і розробки по створенню інтелектуальних транспортних систем (ІТС). Такі системи дозволяють не тільки управляти автомобілем, але і виконувати моніторинг та аналіз даних, в результаті яких можливо визначати різні параметри руху, а також дорожню обстановку, обчислювати оптимальний маршрут, запобігати аварійним і небезпечні ситуації, що виникають під час дорожнього руху [1, 2].

Одним із специфічних порушень, визначених законодавством в правилах дорожнього руху (ПДР) є небезпечне водіння. Створення таких аварійних ситуацій досить не завжди вдається оперативно розглянути і оцінити інспекторам дорожньо-патрульної служби (ДПС), на яких покладається дана задача. У зв'язку з цим доцільним є застосування інтелектуальних систем, які зможуть ефективно визначати небезпечне водіння, запобігти суб'єктивний фактор і забезпечити більшу безпеку руху.

1. Актуальність теми

В даний час одним з найбільш небезпечних видів транспорту є автомобільний. Щодня в усьому світі в результаті дорожньо-транспортних пригод (ДТП) гинуть або отримують травми люди. Щорічно в результаті аварій помирає близько 1,35 мільйона чоловік. Також при цьому вельми величезними є економічні збитки. ДТП обходяться більшості країн до 3% їх валового внутрішнього продукту [3].

Небезпечне водіння є однією з потенційних ситуацій, яка тягне за собою виникнення ДТП. Розглянутий термін є досить новим в ПДД. Крім Російської Федерації, визначення небезпечного водіння описано також в законодавствах деяких інших країн, таких, як Великобританія та Канада.

У зв'язку з вищевикладеним виникає потреба в ефективній оцінці і оперативному визначенні ситуацій, пов'язаних з небезпечним водінням.

2. Мета і задачі дослідження

Метою дослідження є розробка системи визначення небезпечного водіння, шляхом аналізу траєкторії руху ТЗ. У зв'язку з цим основними завданнями дослідження будуть:

  1. проведення аналізу існуючих систем, здатних виявляти небезпечне водіння і порушення ПДР;
  2. виконання аналізу програмних бібліотек розпізнавання образів для визначення конфігурації траєкторії руху ТЗ;
  3. розробка алгоритму аналізу траєкторії руху ТЗ;
  4. розробка програмного забезпечення для системи виявлення небезпечного водіння.

Вихідними даними для дослідження є показники датчиків навігаційної системи, детектуючих поточне місце розташування ТЗ.

Об'єктом дослідження є система аналізу траєкторії руху ТЗ.

Предметом дослідження є розробка алгоритму розпізнавання небезпечного водіння.

В результаті науково-дослідної роботи планується отримати програмне забезпечення, яке аналізує траєкторію руху ТЗ і визначає небезпечне водіння.

3. Апробація результатів

Деякі результати досліджень були викладені і представлені на конференції в вигляді публікації наукової статті: «Дослідження стану питання і постановка задачі розробки системи аналізу траєкторії руху транспортного засобу» (69-а МІЖНАРОДНА СТУДЕНТСЬКА НАУКОВО-ТЕХНІЧНА КОНФЕРЕНЦІЯ, м. Астрахань, 15-19 квітня 2019 року) [1].

Виступ з викладенням деяких тез і проміжних результатів по темі дослідження відбулося на конференції «Інформатика, керуючі системи, математичне і комп'ютерне моделювання - 2019» (ІКСМКМ-2019) в ДонНТУ.

4. Огляд досліджень і розробок

Питаннями організації та розробки ІТС займаються вчені в багатьох країнах світу. Зокрема, ведеться вивчення проблеми оперативного виявлення порушення ПДР, ДТП, створення аварійних ситуацій.

Багато компаній розробляють алгоритми і програмне забезпечення, що дозволяють аналізувати траєкторію руху ТЗ. У даній роботі розглянемо деякі з зарубіжних і вітчизняних розробок.

4.1 Огляд зарубіжних розробок

Компанія Archer Soft з США розробила систему Green Road, що дозволяє виконувати моніторинг та оцінку якості водіння. Дане рішення складається з пристрою GreenBox, що зчитує параметри руху автомобіля, платформи веб-управління і мобільного застосування. GreenBox дозволяє обчислювати швидкість ТЗ, час простою і інші необхідні параметри, які передає для обробки в веб-додаток. Така система дає змогу отримувати сповіщення про характер руху автомобіля в режимі реального часу через додаток, встановлений в смартфоні або планшеті [4].

Британська система контролю швидкості Gatso (рис. 1) здатна визначати порушення правил за допомогою спеціальної радіолокаційної технології. У разі порушення правил дорожнього руху камера зі спалахом фотографує ТС ззаду. Такий знімок дозволяє розглянути реєстраційний знак, а також білі калібрувальні лінії, нанесені на дорожнє полотно. Зафіксовані системою дані згодом аналізуються поліцією [5].

Рисунок 1 – Система Gatso

Рисунок 1 – Система Gatso

4.2 Огляд вітчизняних розробок

Російський сервіс «Яндекс.Драйв» розробив систему, яка здатна обчислювати небезпечне водіння. Алгоритм заснований на зборі даних з датчиків, які розміщені всередині автомобіля. Також оцінюється кут, на який виконується поворот керма, і зусилля при натисканні на гальма автомобіля. Отримана інформація аналізується, і результати обробки сповіщаються водієві. У разі, якщо водій не змінює манеру свого водіння і продовжує здійснювати небезпечні маневри, то доступ до сервісу для нього обмежується.

Подібна технологія визначення небезпечного водіння використовується сервісом «Яндекс.Таксі». Однак, на відміну від «Яндекс.Драйв», обчислення небезпечного водіння засноване на обробці даних акселерометра, що знаходиться в смартфоні водія. У разі повторних порушень такий водій не отримує доступ до замовлень [6].

Ситема «Автопатруль Універсал» компанії «Стілсофт» дозволяє виявляти різні випадки порушення ПДР. Дана система визначає швидкість руху порушника радіолокаційним способом. Для цього «Автопатруль Універсал» може комплектуватися керуючими контролерами, фоторадарнимі контролерами, IP-відеокамерами з ІК-прожекторами. Обробка даних про порушення здійснюється в спеціальному центрі [7].

Комплекс Інтегра-КДД-М (рис. 2) являє собою систему, що виконує автоматичну фіксацію порушень ПДР за допомогою спеціальних фото- і відеокамер. Оперативне визначення порушників дозволяє ефективно управляти транспортними потоками і видавати необхідну інформацію користувачам. Дана система призначена для виявлення великого ряду порушень ПДР, наприклад, перевищення встановленої швидкості руху ТЗ [8]. Однак, як і система «Автопатруль Універсал», не здатна визначати небезпечне водіння.

Рисунок 2 – Зовнішній вигляд комплексу «Інтегра-КДД-М»

Рисунок 2 – Зовнішній вигляд комплексу Інтегра-КДД-М»

Аналогічним чином працює система «Перехрестя», яка також виконує автоматичну фотовідеофіксацію порушень ПДР. Як і «Автопатруль Універсал» та «Інтегра-КДД-М», дана система виявляє порушення, описані в Кодексі Російської Федерації про адміністративні правопорушення (КпАП).

4.3 Огляд локальних досліджень

Питання інтелектуалізації ТЗ розглядалися в багатьох магістерських дисертаціях і статтях студентів Донецького національного технічного університету. Наведемо деякі з них.

У статті «Огляд існуючих рішень технології інтелектуальних транспортних систем» Фоменко А.Д. пропонується огляд інноваційних рішень технології інтелектуального автомобільного транспорту. Перераховано недоліки сучасних транспортних систем, які тягнуть за собою збільшення ДТП, а також призупинення подальшого розвитку даних технологій. Запропоновано варіанти удосконалення вже наявних розробок в області інтелектуальних транспортних систем [9].

У роботі магістра Баришева В.В. «Комп'ютеризована система управління транспортними потоками в умовах великого міста» обґрунтовано необхідність розробки комп'ютеризованої системи управління транспортними потоками великого міста [10].

Також в ході огляду робіт магістрів були знайдені теми, пов'язані з дослідженням розпізнавання різних об'єктів.

Так, наприклад, рішеннями даних питань займався Сосенков А.Ю. «Визначення номерних знаків транспорту за допомогою методу обробки зображень» [11], Лічканенко І.С. «Дослідження методів і пошук ефективного алгоритму для задачі розпізнавання номерних знаків транспортних засобів» [12], Сисоєва Д.О. «Дослідження методів пошуку зображень, що містять текст» [13].

В результаті огляду робіт, розміщених на порталі магістрів, не виявилося тим, пов'язаних з дослідженням питання небезпечного водіння.

5. Короткий огляд бібліотек розпізнавання образів

При розгляді питання виявлення небезпечного водіння шляхом аналізу траєкторії руху ТЗ також був виконаний огляд бібліотек розпізнавання образів. Розглянемо деякі з них.

Однією з найпопулярніших бібліотек, що застосовуються в програмах по розпізнаванню образів, є OpenCV (англ. Open Source Computer Vision Library). Дана бібліотека комп'ютерного зору містить в собі набір алгоритмів для обробки зображень з відкритим вихідним кодом. За допомогою підключення OpenCV до проекту розробник отримує доступ більш ніж до 500 функцій. Бібліотека написана на мові C++, проте також має інтерфейс на мові Python, Ruby, Java, Matlab і т. д. Також для можливості написання коду на інших мовах були розроблені спеціальні оболонки. До операційних систем, що підтримують OpenCV відносяться Microsoft Windows, Mac OS X, Linux, Android, iOS.

Однією з головних цілей розробки бібліотеки було підвищення ефективності обчислень і надання інтелектуально легкого інтерфейсу для створення додатків, що працюють в режимі реального часу. OpenCV знайшла своє застосування в багатьох проектах, пов'язаних з технологіями комп'ютерного зору.

Бібліотека AForge.NET, написана на мові C#, також використовується в області вирішення завдань комп'ютерного зору. Дана бібліотека з відкритим вихідним кодом містить в собі ряд компонентів-бібліотек для вирішення великого спектру завдань.

VXL (англ. The Vision-something-Libraries) являє собою набір бібліотек, розроблених для наукових обчислень і технологій комп'ютерного зору. Містить бібліотеки для роботи з геометричними примітивами елементами (VGL), зображеннями (VIL), числами (VNL) і т. д. [14].

Слід зазначити, що продуктивність OpenCV перевершує аналогічні показники інших вищерозглянутих бібліотек. Можливість працювати на багатьох платформах і операційних системах ставить OpenCV на лідируючі позиції при виборі необхідного фреймворка, що також підтверджується великим числом користувачів даної бібліотеки.

6. Способи вирішення задач

В даний час в більшості країн світу для визначення порушень під час дорожнього руху використовують фото- і відеокамери. Матеріали, лічені з таких пристроїв, дозволяють наочно розглянути епізод порушення правил, а також визначити реєстраційні знаки ТЗ. Подібні системи дозволяють виявити такі ситуації, як, наприклад, перевищення швидкості. Однак в умовах щільного трафіку при наявності великої кількості ТЗ, які потрапляють в поле зору камери, визначення небезпечного водіння стає досить проблематичним.

З метою вирішення даної проблеми в роботі пропонується виявляти таке порушення ПДР шляхом аналізу траєкторії ТЗ. Для цього необхідно розмістити в ТЗ пристрій геолокації, здатний визначати координати свого місцезнаходження. Таким чином, під час руху ТЗ виходить масив точок (координат), з'єднавши які можна отримати шукану траєкторію.

Аналізуючи траєкторії ТЗ, їх взаємне розташування, а також параметри руху, можливе обчислення ситуацій небезпечного водіння (рис. 3).

Рисунок 3 – Аналіз траєкторії руху ТЗ

Рисунок 3 – Аналіз траєкторії руху ТЗ
(анімація: 6 кадрів, 5 циклів повторення, 16 кілобайт)

Як видно з рисунка, рух на ділянці автомобільної дороги відбувається в одному напрямку. Розглянуто дві траєкторії: чорними точками позначені координати місцезнаходження ТЗ, які об'єднані допоміжними синіми лініями. У зеленому прямокутнику ілюструється траєкторія, що отримується під час перестроювання. У даній ситуації порушення ПДР не спостерігається. У червоному прямокутнику показана ситуація, при якій відбувається порушення правил, а саме недотримання бокового інтервалу, що визначається як небезпечне водіння.

Як описано в статті [1], такий аналіз траєкторій можливо виконувати за допомогою технологій комп'ютерного зору. Використовуючи бібліотеку розпізнавання образів, система здатна ефективно класифікувати траєкторії згідно спеціального алфавіту допустимих траєкторій.

Також для виявлення ситуацій небезпечного водіння необхідно обчислювати деякі кінематичні параметри руху ТЗ, такі, як швидкість і прискорення. Їх можливо знайти, використовуючи координати траєкторії.

Таким чином, аналізуючи перераховані вище дані, система здатна визначати небезпечне водіння.

Висновки

В ході науково-дослідної роботи було виконано огляд існуючих ІТС, здатних виявляти порушення ПДР і небезпечне водіння. Розглянуто міжнародні та вітчизняні розробки, а також роботи магістрів ДонНТУ, що займалися дослідженнями в галузі інтелектуалізації транспорту. Виконано огляд програмних бібліотек, що дозволяють використовувати в проектах технологію комп'ютерного зору. Представлені способи вирішення завдання визначення небезпечного водіння.

Перелік посилань

  1. Николаенко, Д.В. Исследование состояния вопроса и постановка задачи разработки системы анализа траектории движения транспортного средства / Д.В. Николаенко, А.В. Хайдуков // 69–я Международная студенческая научно–техническая конференция, Астрахань, 15–19 апреля 2019 года [Электронный ресурс]: материалы / Астрахан. гос. техн. ун–т. — Астрахань: Изд–во АГТУ, 2019.
  2. Николаева Р.В., Газизова З.С., Загидулина А.Д. Формирование и развитие интеллектуальных транспортных систем // Техника и технология транспорта. Выпуск № 1(1) – Казань, КГАСУ, 2016. С. 8-14.
  3. Дорожно-транспортные травмы [Электронный ресурс]. — Режим доступа: https://www.who.int/...
  4. Driving Behavior Monitoring Solution [Электронный ресурс]. — Режим доступа: https://archer-soft.com/...
  5. Gatso Speed Cameras Explained [Электронный ресурс]. — Режим доступа: https:// www.speedcamerasuk.com/...
  6. "Яндекс.Драйв" тестирует в Петербурге систему распознавания опасного вождения [Электронный ресурс]. — Режим доступа: https://tass.ru/...
  7. Система фиксации нарушений ПДД «Автопатруль Универсал» [Электронный ресурс]. — Режим доступа: https://stilsoft.ru/...
  8. Комплекс автоматической фотовидеофиксации нарушений ПДД «Интегра-КДД-М» [Электронный ресурс]. — Режим доступа: https://www.integra-s.com/...
  9. Фоменко, А.Д. Обзор существующих решений технологии интеллектуальных транспортных систем / А.Д. Фоменко, Д.В. Николаенко // Исследования в области информационных систем и технологий / Материалы IV Международной научно–практической конференции. – Азов, ДГТУ – 2017, с. 281–284. URL: http://masters.donntu.ru/...
  10. Барышев, В.В. Компьютеризированная система управления транспортными потоками в условиях большого города. — [Электронный ресурс] // Портал Магистров ДонНТУ, 2014 г. URL: http://masters.donntu.ru/...
  11. Сосенков, А.Ю. Определение номерных знаков транспорта с помощью метода обработки изображений. — [Электронный ресурс] // Портал Магистров ДонНТУ, 2015 г. URL: http://masters.donntu.ru/...
  12. Личканенко, И.С. Исследование методов и поиск эффективного алгоритма для задачи распознавания номерных знаков транспортных средств. — [Электронный ресурс] // Портал Магистров ДонНТУ, 2013 г. URL: http://masters.donntu.ru/...
  13. Сысоева, Д.А. Исследование методов поиска изображений, содержащих текст. — [Электронный ресурс] // Портал Магистров ДонНТУ, 2013 г. URL: http://masters.donntu.ru/...
  14. Булатников, Е.В. Сравнение библиотек компьютерного зрения для применения в приложении, использующем технологию распознавания плоских изображений / Е.В. Булатников, А.А. Гоева // Вестник МГУП имени Ивана Федорова — 2015. — № 6. — с. 85–91. URL: https://cyberleninka.ru/...