Українська   English
 

При написании данного реферата магистерская работа еще не завершена. Окончательное завершение: июнь 2020 года. Полный текст работы и материалы по теме могут быть получены у автора или его руководителя после указанной даты.


Реферат по теме выпускной работы

Содержание

Введение

В связи с ростом количества единиц транспортных средств (ТС) во многих странах мира задача интеллектуализации управления и обеспечения безопасности движения становится все более актуальной. Также из-за наличия человеческого фактора существует вероятность возникновения различных аварийных ситуаций. Для решения данной проблемы ведутся исследования и разработки по созданию интеллектуальных транспортных систем (ИТС). Такие системы позволяют не только управлять автомобилем, но и выполнять мониторинг и анализ данных, в результате которых возможно определять различные параметры движения, а также дорожную обстановку, вычислять оптимальный маршрут, предотвращать аварийные и опасные ситуации, возникающие во время дорожного движения [1, 2].

Одним из специфических нарушений, определяемых законодательством в правилах дорожного движения (ПДД) является опасное вождение. Создание таких аварийных ситуаций довольно не всегда удается оперативно рассмотреть и оценить инспекторам дорожно-патрульной службы (ДПС), на которых возлагается данная задача. В связи с этим целесообразным является применение интеллектуальных систем, которые смогут эффективно определять опасное вождение, предотвратить субъективный фактор и обеспечить большую безопасность движения.

1. Актуальность темы

В настоящее время одним из самых опасных видов транспорта является автомобильный. Ежедневно во всем мире в результате дорожно-транспортных происшествий (ДТП) погибают или получают травмы люди. Ежегодно в результате аварий умирает около 1,35 миллиона человек. Также при этом весьма огромными являются экономические убытки. ДТП обходятся большинству стран до 3% их валового внутреннего продукта [3].

Опасное вождение является одной из потенциальных ситуаций, которая влечет за собой возникновение ДТП. Рассматриваемый термин является довольно новым в ПДД. Кроме Российской Федерации определение опасного вождения описано также в законодательствах некоторых других стран, таких как Великобритания и Канада.

В связи с вышеизложенным возникает потребность в эффективной оценке и оперативном определении ситуаций, связанных с опасным вождением.

2. Цель и задачи исследования

Целью исследования является разработка системы определения опасного вождения путем анализа траектории движения ТС. В связи с этим основными задачами исследования будут являться:

  1. проведение анализа существующих систем, способных выявлять опасное вождение и нарушение ПДД;
  2. выполнение анализа программных библиотек распознавания образов для определения конфигурации траектории движения ТС;
  3. разработка алгоритма анализа траектории движения ТС;
  4. разработка программного обеспечения для системы выявления опасного вождения.

Исходными данными для исследования являются показания датчиков навигационной системы, детектирующих текущее местоположение ТС.

Объектом исследования является система анализа траектории движения ТС.

Предметом исследования является разработка алгоритма распознавания опасного вождения.

В результате научно-исследовательской работы планируется получить программное обеспечение, анализирующее траекторию движения ТС и определяющее опасное вождение.

3. Апробация результатов

Некоторые результаты исследований были изложены и представлены на конференции в виде публикации научной статьи: «Исследование состояния вопроса и постановка задачи разработки системы анализа траектории движения транспортного средства» (69–я МЕЖДУНАРОДНАЯ СТУДЕНЧЕСКАЯ НАУЧНО–ТЕХНИЧЕСКАЯ КОНФЕРЕНЦИЯ, г. Астрахань, 15–19 апреля 2019 года) [1].

Выступление с изложением некоторых тезисов и промежуточных результатов по теме исследования состоялось на конференции «Информатика, управляющие системы, математическое и компьютерное моделирование — 2019» (ИУСМКМ–2019) в ДонНТУ.

4. Обзор исследований и разработок

Вопросами организации и разработки ИТС занимаются ученые во многих странах мира. В частности, ведется изучение проблемы оперативного обнаружения нарушения ПДД, ДТП, создания аварийных ситуаций.

Многие компании разрабатывают алгоритмы и программное обеспечение, позволяющие анализировать траекторию движения ТС. В данной работе рассмотрим некоторые из зарубежных и отечественных разработок.

4.1 Обзор международных источников

Компания Archer Soft из США разработала систему Green Road, позволяющую выполнять мониторинг и оценку качества вождения. Данное решение состоит из устройства GreenBox, считывающего параметры движения автомобиля, платформы веб-управления и мобильного приложения. GreenBox позволяет вычислять скорость ТС, время простоя и другие необходимые параметры, которые передает для обработки в веб-приложение. Такая система позволяет получать уведомления о характере движения автомобиля в режиме реального времени через приложение, установленное в смартфоне или планшете [4].

Британская система контроля скорости Gatso (рис. 1) способна определять нарушения правил с помощью специальной радиолокационной технологии. В случае нарушения ПДД камера со вспышкой фотографирует ТС сзади. Такой снимок позволяет рассмотреть регистрационный знак, а также белые калибровочные линии, нанесенные на дорожное полотно. Зафиксированные системой данные впоследствии анализируются полицией [5].

Рисунок 1 – Система Gatso

Рисунок 1 – Система Gatso

4.2 Обзор отечественных разработок

Российский сервис «Яндекс.Драйв» разработал систему, которая способна вычислять опасное вождение. Алгоритм основан на сборе данных с датчиков, которые размещены внутри автомобиля. Также оценивается угол, на который выполняется поворот руля, и усилия при нажатии на тормоза автомобиля. Полученная информация анализируется, и результаты обработки оповещаются водителю. В случае, если водитель не меняет манеру своего вождения и продолжает совершать опасные маневры, то доступ к сервису для него ограничивается.

Подобная технология определения опасного вождения используется сервисом «Яндекс.Такси». Однако, в отличии от «Яндекс.Драйв», вычисление опасного вождения основано на обработке данных акселерометра, находящегося в смартфоне водителя. В случае повторяющихся нарушений такой водитель не получает доступ к заказам [6].

Ситема «Автопатруль Универсал» компании «Стилсофт» позволяет выявлять различные случаи нарушения ПДД. Данная система определяет скорость движения нарушителя радиолокационным способом. Для этого «Автопатруль Универсал» может комплектоваться управляющими контроллерами, фоторадарными контроллерами, IP-видеокамерами с ИК-прожекторами. Обработка данных о нарушении осуществляется в специальном центре [7].

Комплекс «Интегра-КДД-М» (рис. 2) представляет собой систему, выполняющую автоматическую фиксацию нарушений ПДД с помощью специальных фото- и видеокамер. Оперативное определение нарушителей позволяет эффективно управлять транспортными потоками и выдавать необходимую информацию пользователям. Данная система предназначена для выявления большого ряда нарушений ПДД, например, превышения установленной скорости движения ТС [8]. Однако, как и система «Автопатруль Универсал», не способна определять «опасное вождение».

Рисунок 2 – Внешний вид комплекса «Интегра-КДД-М»

Рисунок 2 – Внешний вид комплекса «Интегра-КДД-М»

Аналогичным образом работает система «Перекресток», которая также выполняет автоматическую фотовидеофиксацию нарушений ПДД. Как и «Автопатруль Универсал» и «Интегра-КДД-М», данная система выявляет нарушения, описанные в Кодексе Российской Федерации об административных правонарушениях (КоАП).

4.3 Обзор локальных исследований

Вопросы интеллектуализации ТС рассматривались во многих магистерских диссертациях и статьях студентов Донецкого национального технического университета. Приведем некоторые из них.

В статье «Обзор существующих решений технологии интеллектуальных транспортных систем» Фоменко А.Д. предлагается обзор инновационных решений технологии интеллектуального автомобильного транспорта. Перечислены недостатки современных транспортных систем, которые влекут за собой увеличение ДТП, а также приостановление дальнейшего развития данных технологий. Предложены варианты усовершенствования уже имеющихся разработок в области интеллектуальных транспортных систем [9].

В работе магистра Барышева В.В. «Компьютеризированная система управления транспортными потоками в условиях большого города» обоснована необходимость разработки компьютеризированной системы управления транспортными потоками большого города [10].

Также в ходе обзора работ магистров были найдены темы, связанные с исследованием распознавания различных объектов.

Так, например, решениями данных вопросов занимался Сосенков А.Ю. «Определение номерных знаков транспорта с помощью метода обработки изображений» [11], Личканенко И.С. «Исследование методов и поиск эффективного алгоритма для задачи распознавания номерных знаков транспортных средств» [12], Сысоева Д.А. «Исследование методов поиска изображений, содержащих текст» [13].

В результате обзора работ, размещенных на портале магистров, не обнаружилось тем, связанных с исследованием вопроса опасного вождения.

5. Краткий обзор библиотек распознавания образов

При рассмотрении вопроса выявления опасного вождения путем анализа траектории движения ТС также был выполнен обзор библиотек распознавания образов. Рассмотрим некоторые из них.

Одной из самых популярных библиотек, применяемых в программах по распознаванию образов, является OpenCV (англ. Open Source Computer Vision Library). Данная библиотека компьютерного зрения содержит в себе набор алгоритмов для обработки изображений с открытым исходным кодом. С помощью подключения OpenCV к проекту разработчик получает доступ более чем к 500 функциям. Библиотека написана на языке C++, однако также имеет интерфейс на языке Python, Ruby, Java, Matlab и т. д. Также для возможности написания кода на других языках были разработаны специальные оболочки. К операционным системам, поддерживающим OpenCV, относятся Microsoft Windows, Mac OS X, Linux, Android, iOS.

Одной из главных целей разработки библиотеки являлось повышение эффективности вычислений и предоставление интеллектуально легкого интерфейса для создания приложений, работающих в режиме реального времени. OpenCV нашла свое применение во многих проектах, связанных с технологиями компьютерного зрения.

Библиотека AForge.NET, написанная на языке C#, также используется в области решения задач компьютерного зрения. Данная библиотека с открытым исходным кодом содержит в себе ряд компонентов-библиотек для решения большого спектра задач.

VXL (англ. the Vision-something-Libraries) представляет собой набор библиотек, разработанных для научных вычислений и технологий компьютерного зрения. Содержит библиотеки для работы с геометрическими примитивами элементами (VGL), изображениями (VIL), числами (VNL) и т. д. [14].

Следует отметить, что производительность OpenCV превосходит аналогичные показатели других вышерассмотренных библиотек. Возможность работать на многих платформах и операционных системах ставит OpenCV на лидирующие позиции при выборе необходимого фреймворка, что также подтверждается большим числом пользователей данной библиотеки.

6. Способы решения задач

В настоящее время в большинстве стран мира для определения нарушений во время дорожного движения используют фото- и видеокамеры. Материалы, считанные с таких устройств, позволяют наглядно рассмотреть эпизод нарушения правил, а также определить регистрационные знаки ТС. Подобные системы позволяют выявить такие ситуации, как, например, превышение скорости. Однако в условиях плотного трафика при наличии большого количества ТС, которые попадают в поле зрения камеры, определение опасного вождения становится довольно проблематичным.

С целью решения данной проблемы в работе предлагается выявлять такое нарушение ПДД путем анализа траектории ТС. Для этого необходимо разместить в ТС устройство геолокации, способное определять координаты своего местонахождения. Таким образом, во время движения ТС получается массив точек (координат), соединив которые можно получить искомую траекторию.

Анализируя траектории ТС, их взаимное расположение, а также параметры движения, возможно вычисление ситуаций опасного вождения (рис. 3).

Рисунок 3 – Анализ траектории движения ТС

Рисунок 3 – Анализ траектории движения ТС
(анимация: 6 кадров, 5 циклов повторения, 16 килобайт)

Как видно из рисунка, движение на участке автомобильной дороги происходит в одном направлении. Рассмотрены две траектории: черными точками обозначены координаты местонахождения ТС, которые объединены вспомогательными синими линиями. В зеленом прямоугольнике иллюстрируется траектория, получаемая во время перестроения. В данной ситуации нарушения ПДД не наблюдается. В красном прямоугольнике показана ситуация, при которой происходит нарушение правил, а именно несоблюдение бокового интервала, что определяется как опасное вождение.

Как описано в статье [1], такой анализ траекторий возможно выполнять с помощью технологий компьютерного зрения. Используя библиотеку распознавания образов, система способна эффективно классифицировать траектории согласно специального алфавита допустимых траекторий.

Также для выявления ситуаций опасного вождения необходимо вычислять некоторые кинематические параметры движения ТС, такие, как скорость и ускорение. Их возможно найти, используя координаты траектории.

Таким образом, анализируя вышеперечисленные данные, система способна определять опасное вождение.

Выводы

В ходе научно-исследовательской работы был выполнен обзор существующих ИТС, способных выявлять нарушения ПДД и опасное вождение. Рассмотрены международные и отечественные разработки, а также работы магистров ДонНТУ, занимавшихся исследованиями в области интеллектуализации транспорта. Выполнен обзор программных библиотек, позволяющих использовать в проектах технологию компьютерного зрения. Представлены способы решения задачи определения опасного вождения.

Список источников

  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/...