Надзор за городом - в руках компьютерной системы (1)

18-месячный проект в основном был сосредоточен на исследовании, а не на создании реального продукта. Однако уроки и решения, полученные в ходе работы, помогут разработать новые продукты, которые будут не только способствовать организации дорожного движения и предотвращению нарушений, но и собирать полезную информацию об автомобильных и пешеходных потоках в разное время суток. Такие знания были бы полезны при планировании и размещении различных новых услуг.

"Целью проекта был сбор интеллектуальных данных о дорожном движении и организация транспортного потока лучше, безопаснее и эффективнее. Пользователями системы могут быть самоуправления и учреждения, контролирующие, например, национальные дороги. Платформа позволит ответственным органам видеть, что происходит в городе, и принимать решения по улучшению дорожного движения. Например, построить автостоянки там, где их больше всего не хватает, или иным образом организовать поток в наиболее загруженных местах. В результате город станет более приспособленным для безопасного и удобного движения, - объясняет Кришьянис Несенбергс, участник проекта и научный сотрудник Института электроники и вычислительных наук. - Умные системы помогают снизить количество аварий и наказать агрессивных водителей. Платформа собирает, обрабатывает и анализирует данные. В ней существуют различные модули, из которых можно извлекать информацию для разных пользователей. В интересах полиции одни данные, для органов местного самоуправления - совершенно другие".

Работая над проектом iTrEMP, исследователи сосредоточились на четырех отдельных видах деятельности. Первый - это разработка сенсорной модели данных и методов сбора, при которой модель данных разрабатывалась с учетом как специфики существующих источников данных, так и потенциальных будущих источников данных. Исследователи искали решения для таких проблем, как простой доступ к данным, их совместимость, группировка, установление приоритетов между аналогичными или взаимозаменяемыми источниками данных, а также получение и хранение метаданных как для уменьшения объема хранимых и передаваемых сведений, так и для снижения рисков конфиденциальности, которые связаны с централизованным сбором данных большого объема.

Использование машинного обучения для анализа данных и принятия решений оказалось перспективным направлением в сфере транспортного движения. С его помощью разрабатывается и проверяется ряд экспериментальных инструментов для анализа данных, синтеза и принятия решений. Поскольку городская среда очень разнообразна и динамична, инструменты для такого анализа могут быть очень сложными, включая требования реального времени. Разнообразие и большой объем данных обуславливают необходимость использования глубокого машинного обучения, а не классических методов, так как благодаря доступности большого объема данных и объема вычислительных ресурсов методы глубокого машинного обучения в последнее время достигли наилучших результатов в ряде вычислительных задач, включая распознавание изображений и сегментацию.

Третье направление - решения для получения объемных видео. А именно как выбрать из огромного метража только нужный материал и не загружать канал передачи данных лишней информацией. Исследователи рассмотрели два варианта. Первый - это метод извлечения локальных метаданных, встроенных в камеру, при котором выбираются только важные метаданные, а также подходы распределенного машинного обучения, при которых часть анализа переносится с централизованных серверов.

Четвертым направлением стала разработка прототипа платформы, где особое внимание уделялось бы ее скорости, так как такая система должна обеспечивать непрерывный поток данных. По сути, она должна работать в режиме реального времени.

"Для нужд интеллигентной транспортной системы нам был необходим город, в котором уже была определенная инфраструктура - светофоры, датчики. Мы должны поблагодарить город Валмиеру, который проявил интерес во время разработки проекта и предоставил необходимое подтверждение того, что позволит разместить датчики в городе на время проекта", - говорит представитель рабочей группы, руководитель проекта по продукту WeAreDots Эдгар Старкис. Он видит светлое будущее и широкое использование интеллигентных транспортных систем. "Дороги становятся все более цифровыми, на них появляются датчики и цифровые дорожные знаки, где информация меняется в течение дня. Также электромобили, которые в основном представляют собой движущиеся планшеты. Вся эта инфраструктура на улицах требует все новых и новых систем, которые их контролируют и способны взаимодействовать с другими системами", - подчеркивает специалист.

Финансовая поддержка будет по-прежнему доступна в ближайшие годы для разработки перспективной платформы и аналогичных решений. В новом программном периоде политики кохезии Европейского союза с 2021 по 2027 год для экономического развития Латвии доступно около 10,5 миллиарда евро, которые предполагается использовать для достижения пяти основных целей ЕС: высокотехнологичная Европа, более зеленая Европа, более сплоченная Европа, более социальная Европа и более близкая к жителям Европа.

Высокотехнологичная Европа направлена ​​на поддержку инновационных и осознанных экономических изменений и цифровизации. Более зеленая Европа реализует проекты по обеспечению климатической нейтральности и защиты окружающей среды, а более сплоченная Европа стремится развивать безопасный, устойчивый и доступный транспорт и цифровую связь.

Более социальная Европа означает равные возможности и доступ к образованию, здравоохранению и рынку труда, в то время как Европа, более близкая к своим жителям, означает устойчивое и сбалансированное региональное развитие.

Статья создана в рамках проекта #RītdienasEs. Проект реализован при финансовой поддержке Европейского союза.