Безопасные и качественные автодороги: от фотовидеофиксации ДТП – к комплексному интеллектуальному управлению автодорогами

«Драйвером развития ИТС в России сегодня служит национальный проект «Безопасные и качественные автомобильные дороги» и его подпрограмма по созданию ИТС в агломерациях»,- говорит Александр Сёмкин, председатель совета кластера ГЛОНАСС.

Именно в русле такого развития событий ИТС должны появиться в 64 городских агломерациях России с численностью населения более 300 тыс. человек.

Основой нацпроекта «Безопасные и качественные автомобильные дороги» (БКД) стали проекты внедрения подсистем фотовидеофиксации нарушений ПДД и весогабаритного контроля. Игорь Кравченко, замдиректора по инновационным рынкам компании «Рексофт», считает системы фотовидеофиксации нарушений ПДД (ФВФ) наиболее развитыми из всех подсистем ИТС.

Сегодня все чаще существующие системы совмещают в себе целый ряд функций. Например, камера может регистрировать одновременно проезд на красный сигнал светофора, выезд за стоп-линию, нарушение скоростного режима,- отмечает Игорь Кравченко.- Лидерство именно этого класса систем понятно – их внедрение окупается штрафами, приносит постоянный доход в местный бюджет и выравнивает ситуацию с безопасностью движений на сложных отрезках дороги.

Целевые показатели национального проекта `Безопасные и качественные автомобильные дороги`

Популярность внедрений безостановочных систем весогабаритного контроля (автоматизированная система весогабаритного контроля, АСВГК) эксперт также объясняет финансовыми причинами: «Системы помогают собирать налоги и параллельно вести мониторинг движения грузового транспорта».Обзор российского рынка банковской цифровизации: импортозамещение, искусственный интеллект и собственные экосистемы 6.9 т

Для примера: за время работы госсистемы «Платон» (эта система взимания платы в счет возмещения вреда, причиняемого автомобильным дорогам общего пользования федерального значения транспортными средствами, имеющими разрешенную максимальную массу свыше 12 тонн, была запущена в эксплуатацию в ноябре 2015 г.) дорожный фонд России пополнился почти на 130 млрд. руб. По сведениям Минтранса РФ и Росавтодора, за счет дополнительного финансирования, полученного от системы «Платон», были построены и отремонтированы более 2000 км проблемных дорог в 40 городах и регионах, 700 км федеральных трасс на выбранных грузоперевозчиками участках 10 автодорог и 31 мост в 20 субъектах РФ. Все поступления с 2020 по 2022 гг. от эксплуатации «Платона» Росавтодор направляет на капитальный ремонт свыше 100 мостовых сооружений и 600 км загруженных федеральных трасс.

Источник: Минтранс РФ, 2020 г.

Весогабаритный контроль: впереди много работы

Николай Иваненко, заместитель директора департамента комплексных проектов компании Softline, поясняет, почему, с его точки зрения АСВГК является сегодня одним из самых перспективных и востребованных направлений в регионах РФ:

Актуальность весогабаритного контроля выросла в связи с развитием и совершенствованием транспорта. Вес груза, который может перевозиться на одном транспортном средстве, значительно увеличился, но дороги оказались к этому не готовы, поэтому критичность вопроса сохранения дорожного полотна существенно возросла.

По прогнозам Softline, в 2022 году будет реализовано минимум на 30% больше соответствующих проектов при условии отсутствия форс-мажоров и секвестра бюджета.

Действительно, отмечает эксперт, согласно проекту БКД, у каждого региона есть KPI по системам ФВФ и АСВГК. Ведь они выполняют важную социальную и финансовую миссию: улучшают безопасность дорожного движения и приносят косвенный экономический эффект - регион тратит меньше средств на восстановление дорог и может направить усилия на развитие региональной транспортной сети. Так, в одной только Омской области компания Softline развивает систему АСВГК: 9 из 16 интеллектуальных систем весогабаритного контроля уже работают на дорогах региона, еще 7 находятся в процессе установки и интеграции в общие системы.

Автоматизированный весогабаритный контроль — это техническое решение, которое необходимо каждому региону. Прежде всего, потому, что такая система позволяет субъекту повысить безопасность движения и сохранить дороги,- отмечает Николай Иваненко.- К тому же уже сейчас прослеживается тенденция к подготовке и развитию дорожной сети с точки зрения беспилотного транспорта. Я уверен, что этот тренд останется актуальным и достигнет своего пика в течение ближайших пяти лет.

Например, Иркутская область направит в этом году на капитальный ремонт, строительство и реконструкцию дорог 10,6 млрд. руб., рассказывает губернатор Иркутской области Игорь Кобзев, но как убедиться в качестве произведенного ремонта? Принято решение, что качество отремонтированных дорог будут проверять с помощью технологий лазерным сканированием. Ровный уровень покрытия, соблюдение уклонов и другие геометрические параметры дорог будет оценивать специальная мобильная лаборатория непосредственно в процессе движения. Это означает возможность оперативного проведения высокоточной съемки достаточно большого объема за короткий промежуток времени без перекрытия участка автодороги и привлечения дополнительных специалистов, отмечает Максим Лобанов, министр транспорта и дорожного хозяйства Иркутской области.

Перегруженные транспортные средства продолжают портить российские дороги общего пользования, с сожалением отметили в Российской Академии транспорта. По оценкам отраслевых экспертов, размер ежегодного ущерба, наносимого дорогам общего пользования перегруженными транспортными средствами, составил 2,6 трлн. руб. При этом каждый шестой большегруз передвигается по федеральным трассам со значительным перевесом (в среднем на 41%), говорит Андрей Самарьянов, зам руководителя Росавтодора. Эти данные он привел на совместном заседании общественных советов при Росавтодоре и Ространснадзоре, которое состоялось в середине февраля 2022 г. и было специально посвящено вопросам сохранности автомобильных дорог.

По оценкам Андрея Самарьянова, только в 2021 г. недополученный объем административных штрафов за нарушения по общей массе мог составить порядка 200 млрд. руб.,

И это только по 12 пунктам весогабаритного контроля,- подчеркнул чиновник.- Доля нарушений по весовым параметрам для отдельной категории транспортных средств, например, пятиосный автопоезд, достигает 25%. Эта же категория и наиболее массовая – порядка 70% от общего числа всех нарушителей.

Участники мероприятия единодушно выступили за ужесточение борьбы с перевесами транспортных средств на автомобильных дорогах федерального и регионального значения. Так, по оценкам Владимира Белозерова, председателя общественного совета при Ространснадзоре, по предыдущим планам на федеральных трассах планировалось установить к 2027 г. 387 пунктов ВГК, а на сети дорог регионального значения в 75 субъектах РФ – 366 пунктов к концу 2024 г. Эти планы пересмотрены в большую сторону, отметил гедиректор Российской ассоциации территориальных органов управления автомобильными дорогами Игорь Старыгин: местные власти согласились увеличить сеть пунктов автоматизированного ВГК до 597. В результате общее число субъектов РФ, охваченных системой, вырастет до 81. На сегодняшний день, по данным РАДОР, в 52 регионах уже установлено 270 АПВГК.

Он пояснил также, что одними лишь автоматическими пунктами ВГК невозможно перекрыть разветвленную региональную сеть, так как всегда остаются варианты объезда по альтернативным маршрутам. В связи с этим необходимо расширять сеть не только автоматических, но также стационарных и передвижных пунктов ВГК, уверен Игорь Старыгин.

Чуть ранее - в январе 2022 г.- правительственная комиссия по законопроектной деятельности рассмотрела инициативу, усиливающую контроль за тяжелыми и крупногабаритными грузовиками. Согласно ее решению, вводится автоматическая система контроля за тем, чтобы грузовики не превышали нормы по весу и габаритам. Фиксировать подобные нарушения будут специальные комплексы. Подготовленные поправки в КоАП наделяют Ространснадзор полномочиями рассматривать дела по нарушениям правил движения тяжеловесного или крупногабаритного транспортного средства.

Как развиваются технологии распознавания

Стационарная камера-моноблок RNCam компании «Технологии распознавания» объединяет в едином корпусе видеодатчик и защищенный промышленный компьютер с функционалом фото видеофиксации нарушений ПДД, измерения скорости и розыска транспортных средств. При этом одна камера RNCam контролирует до четырех полос движения и может поддерживать работу двух дополнительных обзорных камер, фактически заменяя собой обычны при измерении скорости до 100 км/ч погрешность составляет 1 км/ч, свыше 100 км/ч погрешность 2 км/ч. А скорость автотранспорта, которая может достигать 255 км/ч измеряется безрадарным методом - по видеокадрам с погрешностью до 2 км/ч.

Архитектура стационарной камеры-моноблока RNCam

Источник: компания «Технологии распознавания»

Для распознавания автомобильных номеров RNCam использует новый алгоритм «АвтоУраган-ВСМ2». Он обеспечивает работоспособность комплекса, даже если камера располагается под острым углом по отношению к движущемуся транспортному потоку.

В стационарном исполнении - комплекс автоматического распознавания государственных регистрационных знаков транспортных средств и фиксации нарушений ПДД «АвтоУраган-ВСМ2» - эти технологии решают задачи идентификации, регистрации и контроля перемещения транспортных средств в потоке любой интенсивности: от небольших автостоянок до многополосных автомагистралей. Он обеспечивает распознавание номерных знаков в светлое время суток на уровне 97%, а также высокую степень распознавания грязных или сильно поврежденных номерных знаков.

Работающий комплекс не фиксируется радар-детекторами. Фиксируется не только превышение скоростного режима, но и целый ряд других нарушений ПДД, а также обеспечивается автоматический розыск транспортных средств по базам данных.

В компании ICL разработан ряд специализированных решений машинного зрения и видеоаналитики, предназначенных для транспортной отрасли: контроль состояния люков на дорожном полотне (выявление открытых люков, их идентификация по паспорту дороги, отправка сообщения), поиск и классификация дефектов на дороге (мониторинг дорожно-транспортного полотна с целью выявления ям, трещин и прочих дефектов), поиск нефункционирующих столбов освещения, мониторинг дорожных знаков (контроль состояния дорожных знаков или их отсутствия). Владимир Каюров, старший менеджер проектов группы компаний ICL, рассказывает, что объектов таких типов на дорогах достаточно много, в связи с чем приходится применять нетривиальную систему определения их географического позиционирования. Он подчеркивает, что для работы соответствующей системы можно использовать любой видеоматериал, например, записанный на авторегистратор или даже снятый камерой смартфона.

Как умнеют технологии распознавания

Флагманское направление развития технологий ФВФ – расширение набора распознаваемых ситуаций с помощью математических методов нейронных сетей. Например, мобильный аппаратно-программный комплекс (АПК) «ПаркРайт» компании «Технологии распознавания», предназначенный для фиксации нарушений ПДД из салона любого автомобиля, умеет фиксировать нарушения правил стоянки и остановки, проезда пешеходного перехода, полосы маршрутного транспорта, полосы встречного движения и других видов нарушений, для которых в качестве доказательной базы достаточно фотографии автомобиля с распознанным государственным регистрационным знаком, фотографии и видеоролика с обзорной камеры. При необходимости этот видеоролик может быть разбит на кадры и распечатан.

Комплекс автоматически проверяет все автомобили, попавшие в зону видимости камер, по подключенным базам розыска. При обнаружении разыскиваемого автомобиля оператор получает визуальное и звуковое оповещение, а данные, полученные в ходе автомобильного патрулирования, автоматически передаются по беспроводным каналам связи в центр обработки данных.

Передвижной АПК фотовидеофиксации нарушений ПДД «АвтоНом» компании «Технологии Распознавания», снабженный приемником геопозиционирования ГЛОНАСС/GPS, устанавливается на обочине автотрассы под произвольным углом к проезжей части и автоматически регистрирует весь автотранспорт, попадающий в зону контроля. Причем, применение многоядерного процессора позволяет комплексу «АвтоНом» определять скорость разнонаправленного движения, как встречного, так и удаляющегося потока автотранспорта.

Помимо распознавания номерного знака и скорости транспортного средства в момент его фиксации, «АвтоНом» способен выявлять такие нарушения ПДД, как проезд по обочине, проезд по встречной полосе движения, проезд по полосе общественного транспорта, нарушение рядности движения по полосам.

Летом прошлого года комплексы «АвтоУраган-ВСМ2» обучились выявлять в автоматическом режиме водителей, управляющих автотранспортом без пристегнутого ремня безопасности.

Московский Центр организации дорожного движения запланировал очередной этап развития интеллектуальной системы распознавания: дополнительно к функционалу выявления ДТП на дорогах города, она будет фиксировать мусор, появление животных или остановившиеся автомобили, а также пожары и иные чрезвычайные ситуации на дорогах. В ЦОДД уточняют, что новые устройства не будут выписывать штрафы за правонарушение, а станут отправлять сведения о происшествиях в полицию и коммунальные службы в реальном масштабе, помогая экстренным службам оперативно реагировать на любые ЧП.

Проект стоимостью 4,2 млрд. руб. предполагает установку в течение пяти лет 1,3 тыс. видеокамер на МКАД и других столичных магистралях.

Говоря о потенциальных возможностях нейронных сетей, не стоит забывать, что самое важное в качественной работе ML алгоритма - это данные, на которых алгоритм обучался: именно работа с данными, включая подготовку дата-сета для обучения нейронной сети и валидации работы алгоритма, имеет критически важное значение для работоспособности интеллектуального решения. В это части есть пространство для конкуренции умных решений распознавания.

Вячеслав Лукин, генеральный директор компании «Интеллектуальная видеоаналитика», подчеркивает, что в решениях компании по распознаванию дорожных ситуаций настроен процесс сбора и подготовки собственного дата-сета:

Работа с данными обеспечивает нас возможностью эффективно обучать «легкие» модели и получать точность детекции и классификации объектов, сравнимую с глубокими нейронными сетями (более 95%), и мы постоянно улучшаем и дата-сет и процесс его подготовки.

Возможность использовать «легкие» нейронные сети позволяет, в частности, запускать ПО распознавания на маломощных одноплатных компьютерах на базе CPU. Отсутствие требований к наличию GPU значительно расширяет возможности применения решений компании «Интеллектуальная видеоаналитика». Например, дает возможность следовать передовым концепциям IoT, Edge Computing, а также Edge AI и реализовывать автономные сценарии детекции, анализа и оптимизации транспортных потоков без необходимости передавать видеопоток или другие большие объемы данных для обработки в ЦОДы по сети Интернет.

Снижение ограничений на инфраструктуру и Интернет-канал открывает возможность реализации чувствительных к временным задержкам решений, таких как, например адаптивное управление связанными светофорными объектами в реальном времени, где задержка для принятия решения по изменению плана работы светофоров не должна превышать 5 секунд,- подчеркивает Вячеслав Лукин. И добавляет: За последние несколько лет технологии ИТС значительно шагнули вперед за счет таких феноменов, как большие данные (Big Data), искусственный интеллект (AI) и [[Интернет вещей Internet of Things (IoT)|[[Интернет вещей Internet of Things (IoT)|[[Интернет вещей Internet of Things (IoT)|[[Интернет вещей Internet of Things (IoT)|[[Интернет вещей Internet of Things (IoT)|[[Интернет вещей Internet of Things (IoT)|[[Интернет вещей Internet of Things (IoT)|[[Интернет вещей Internet of Things (IoT)|Интернет вещей (IoT)]]]]]]]]]]]]]]]]. Все эти технологии позволяют реализовывать сценарии, которые ранее даже не могли прийти в голову. Хотя эти технологии не всегда достаточно зрелые, чтобы их внедрять в «боевых» проектах, они значительно продвигают технологию ИТС в целом.

По оценке эксперта, технологии компьютерного зрения, хоть и динамично развиваются в области ИТС, все же тяготеют в сторону решений, связанных с фотовидеофиксацией или штрафами: детекция пристегнутого ремня, телефона в руках водителя, выключенных фар и др.

Вероятно, это наиболее прозрачная история для госзаказчика,- полагает Вячеслав Лукин.- Вполне понятно, как оценить затраты и эффект от внедрения в деньгах, чтобы оценить ROI таких решений. Если же мы говорим, например, про оптимизацию транспортных потоков, то оценку эффекта таких решений рассчитать не так просто. Думаю, что это является одним из стоп-факторов развития сложных и социально-значимых, но не столь очевидных в оценке эффекта, направлений ИТС.

Усиление возможностей ФВФ за счет интеграции с другими системами

Владимир Каюров из ICL, видит еще один тренд в востребованности подсистем БКД: наряду с обеспечением безопасности дорожного движения и увеличением срока службы дорожного полотна наблюдается спрос на решения по оптимизации транспортной ситуации.

Сегодня основными направлениями деятельности ICL в сфере ИТС является внедрение автоматических пунктов весогабаритного контроля, разработка систем видеоаналитики на основе нейросетей и разработка Единой платформы управления транспортными системами,- замечает эксперт.

Пример реализации такой идеи – открытие в ноябре прошлого года первого участка Центральной Кольцевой Автомобильной Дороги (ЦКАД). Сегодня это самая насыщенная технологиями автомагистраль в России, отмечают эксперты. А система безостановочной оплаты проезда, интеллектуальная система управления дорожным движением нового поколения и единая система взимания платы являются уникальными для российского рынка. Информация с дорожных комплексов ФВФ «АвтоУраган-ВСМ2-М» используется для определения стоимости за фактически пройденный участок платной трассы ЦКАД, который автотранспорт проезжает, не снижая скорости. Решение «Свободный поток» автоматически классифицирует автомобили, распознает их номерные знаки и выставляет счета, которые можно оплатить через мобильное приложение, личный кабинет на сайте или с помощью транспондера. Таким образом, в России появилась первая автодорога с безбарьерной системой оплаты проезда.

Кроме того, внедренная на ЦКАД система автоматического управления дорожным движением нового поколения собирает с комплексов ФВФ информацию о погодных условиях, авариях, о плотности транспортных потоков и образовании заторов, а также о появлении на дороге посторонних предметов, пешеходов или животных.

Компания «МВС Груп», которая реализует крупнейшую в России концессию в сфере безопасности дорожного движения (более 2200 комплексов ФВФ в эксплуатации), разработала специальное решение – «Аналитический модуль БДД», которое представляет собой интеллектуальное ПО для анализа и прогнозирования аварийно-опасных участков дорог и очагов аварийности. Поддерживаются функции агрегации данных (сбор данных всех типов из различных источников для учета и анализа ДТП), статистической обработки (детальная информация по статистике нарушений, зафиксированных системами ФВФ) и прогнозирования. Методы предиктивной аналитики помогают прогнозировать возникновение очагов ДТП и предлагает оптимальные варианты их предотвращения, включая изменение организации движения, коррекцию и контроль скоростного режима, установку светофоров и искусственных неровностей.

Фактически это единая информационная среда для всех участников работы по обеспечению безопасности на дорогах, говорят в компании «МВС Груп»: все данные из региональных и федеральных систем собираются в общую базу в едином формате, что исключает расхождение в показателях и обеспечивает скорость и качество взаимодействия всех сторон.

Проект подобного класса реализован в 2020 г. в Пензенской области. Автоматизированная система обеспечения безопасности дорожного движения региона создана по заказу ГБУ «Безопасный регион» специалистами компании «АйТи Софт» на базе программного продукта «Форсайт. Аналитическая платформа». Разработчик платформы – компания «Форсайт».

Основная цель внедрения системы – снизить количество и тяжесть последствий ДТП благодаря глубокому автоматизированному анализу их причин. В системе собираются и постоянно актуализируются данные о состоянии дорог, а также сведения о ДТП во всех районах Пензенской области. Это позволяет оперативно выявлять места концентрации ДТП по заданным параметрам: период времени, территория, виды ДТП, и визуализировать ситуацию с ДТП в виде разнообразных диаграмм и таблиц с представлениями показателей ДТП и мест концентрации ДТП для сравнительного анализа однотипных территорий и интервалов времени.

Очаги аварийности на участке Федеральной дороги М-5 в 2019-2020 гг.

Источник: «АйТи Софт», 2020 г.

На электронной карте обозначаются дорожные знаки, компоненты обустройства дорог и места концентрации ДТП, относящихся к разным периодам времени, для анализа эффективности реализованных мероприятий, направленных на снижение количества и тяжести последствий ДТП.

На основании анализа данных формируются различные группы мероприятий, нацеленных на снижение количества и тяжести последствий ДТП, в том числе организационные, информационные, образовательные и воспитательные, инженерно-технические, строительно-дорожные, эксплуатационные.

Пример формирования данных для планирования мероприятий на автодорогах

Источник: «АйТи Софт», 2020 г.

По оценкам Александра Маркина, начальника отдела программного сопровождения Ситуационного центра губернатора Пензенской области, в результате работы системы в Пензенской области за первые 9 месяцев 2021 г. по сравнению с аналогичным периодом прошлого года достигнуто сокращение экономического ущерба от ДТП на сумму более 850 млн. руб., уменьшение количества ДТП с пострадавшими на(5,31%), количества погибших - на 22,14%.

Городские автоматизированные системы управления дорожным движением (АСУДД) становятся все более интеллектуальными. Они ориентируются на интенсивность транспортного потока и пытаются решить задачи оптимизации работы светофоров. Магистральные АСУДД делают акцент на информировании водителей с помощью табло. Они показывают информацию о разрешенной скорости движения, дорожных работах, пробках впереди. Часто такие АСУДД сопряжены с метеостанциями и дают динамическую информацию о состоянии дорожного покрытия, содержат функцию отслеживания трафика, распознавания типов транспортных средств в потоке и пр.»,- резюмирует Игорь Кравченко, заместитель директора по инновационным рынкам компании «Рексофт».

Как создавать комплексные решения такого класса?

Следующий материал обзора >>>

Главная страница обзора >>>

Другие материалы обзора

• Интеллектуальная транспортная система России: курс - на национальный масштаб
• Специфика ИТС
• Городские и региональные ИТС
• Передовые методы управления дорожным движением
• Управление общественным транспортом
• Цифровая логистика
• Передовые телематические решения и умная доставка грузов
• Инфраструктура ИТС. Платформенный и сервисный подход
• Сервисы интеллектуальной транспортной системы
• Создание национальной ИТС
• Цифровая дорога
• Перспективное развитие ИТС: беспилотный транспорт