Москва потратит 4 млрд рублей на новую систему наблюдения за дорожными инцидентами | iot.ru Новости Интернета вещей
 /  Москва потратит 4 млрд рублей на новую систему наблюдения за дорожными инцидентами
60.45 € 61.70

Москва потратит 4 млрд рублей на новую систему наблюдения за дорожными инцидентами

Московский Центр организации дорожного движения (ЦОДД) разместил на портале госзакупок тендер на «организацию работы системы интеллектуального видеонаблюдения». В рамках контракта, на который выделяется более 4,2 млрд руб. в течение пяти лет, власти арендуют у победителя конкурса 1,3 тыс. видеокамер. 770 из них появятся на МКАД, остальные — на других городских магистралях. Система будет разворачиваться в 2022 году, сообщает «Коммерсантъ». Каждый комплекс будет располагать тремя камерами, ИК-подсветкой дальностью до 250 м и 40-кратным оптическим зумом.

Оборудование, согласно техзаданию, будет с помощью нейросети выявлять и фиксировать различные «инциденты» на улично-дорожной сети, среди которых «вторжение транспортных средств в запрещенную зону» (к примеру, въезд автомобиля на тротуар или обочину), обнаружение на проезжей части мусора, выпавшего груза, животных, частей автомобилей и других предметов, угрожающих безопасности движения.

Система также должна уметь самостоятельно определять пробки, выявлять задымление и огонь (в случае ДТП), а также различные нарушения, включая пересечение сплошной линии разметки, движение «в запрещенном направлении» и машины, которые едут слишком быстро или слишком медленно (порог скорости в ТЗ не указан).

«Штрафовать водителей за нарушения ПДД такие камеры не будут. Но, например, если машина в случае ДТП попала в обзор и оказалась в неположенном месте, информация будет передана экстренным службам или ближайшему экипажу дорожного патруля для реагирования и оказания помощи», — заверили в ЦОДД. Информация об аварии или препятствии также будет выводиться на электронное табло на дороге.

«Нейросеть сможет автоматически фиксировать инциденты и мгновенно оповещать соответствующие службы. Кроме своих прямых обязанностей по передаче видеопотока дорожной ситуации новые камеры будут помогать работе полиции и других экстренных служб и оперативно реагировать на ЧС», — добавляют в ЦОДД. 

В Москве, напомним, уже работает система видеонаблюдения, насчитывающая около 200 тыс. камер (контролирует ДИТ Москвы). Еще 3,5 тыс. камер фиксируют нарушения ПДД (контролирует ЦОДД). В рамках недавно заключенного контракта ЦОДД с «Максима Телекомом» установят до 2023 года 2 тыс. камер видеонаблюдения, способных распознавать лица.

Новая система может быть использована для оперативной перенастройки светофоров, чтобы минимизировать пробки, полагает эксперт по системам фиксации нарушений Григорий Шухман. Это подтверждают в ЦОДД: «Фиксация нарушений будет использоваться в качестве аналитики данных, например как повод пересмотреть схему движения».

Системы видеоаналитики в ближайшее время смогут решать практически все указанные в ТЗ задачи, рассказал руководитель отдела машинного обучения Ntechlab Андрей Беляев. Причем подсчет людей и автомобилей, «вторжение» транспортных средств в запрещенную зону он называет «наиболее простыми сценариями». «Выявление дорожных аномалий, будь то мусор, выпавший груз, животные, элементы поврежденных транспортных средств или повреждение дорожного полотна,— более сложная задача,— поясняет он.— Может быть несколько тысяч разных типов задач. Требуется обучение нейросетей по каждой аномалии или каждой группе аномалий, а для этого должно быть как минимум достаточное количество данных».

В ЦОДД говорят, что нейросеть уже «научена большими данными из разных стран» (хотя формально контракт на развертывание новой системы еще не заключен).

«Компьютерное зрение способно выявлять загруженные участки дороги, запустить дополнительные рейсы, чтобы их разгрузить,— отмечает гендиректор группы компаний ЦРТ (разработчик систем распознавания речи, голоса и биометрии) Дмитрий Дырмовский.— Хорошо обученная нейросеть может определять дым, срабатывая быстрее, чем традиционный датчик дыма». Но важно, отмечает эксперт, корректно выбрать места размещения камер и настроить систему, чтобы минимизировать ложноположительное срабатывание. Камера должна реагировать, к примеру, на упавшее на дорогу дерево, но не на упавший кошелек, приводит пример Дмитрий Дырмовский.

Фото: 

Подписаться на новости Обсудить

Назад

Комментарии

Текст сообщения*
Защита от автоматических сообщений