Apie projektą
Miesto transporto valdymas dažnai remiasi nepilna informacija: vairuotojų pranešimais, keleivių skundais ar periodiškai atliekamais tyrimais. Tai reiškia, kad apie problemą neretai sužinoma tik tada, kai ji jau sukelia nepatogumų ar kelia pavojų.
Kartu su JUDU, Vilniaus miesto savivaldybės administracija ir kitais technologiniais bei infrastruktūros partneriais sukūrėme sistemą, kuri leidžia nuolat stebėti eismo ir keleivių srautus, kelių būklę bei viešojo transporto techninius parametrus, pasitelkiant 5G ryšį ir dirbtinį intelektą.
Sprendimas buvo išbandytas realiomis sąlygomis Vilniuje: įranga įdiegta 5 autobusuose, 5 reguliuojamose sankryžose ir 5 autobusų stotelėse.
Pagrindiniai iššūkiai
Projektu siekėme spręsti keturias pagrindines problemas.
Trūksta nuolatinių duomenų apie transporto ir keleivių srautus. Neturint patikimo būdo nuolat matuoti eismo intensyvumą sankryžose ar keleivių apkrovą stotelėse, sudėtinga objektyviai nustatyti, kurioms miesto vietoms ar maršrutams reikia daugiausia dėmesio.
Eismo pažeidimai ir įvykiai ne visada pastebimi laiku. Sankryžą blokuojantis automobilis ar kitas pavojingas įvykis gali likti nepastebėtas, jei situacija nėra nuolat stebima.
Kelių būklė dažniausiai vertinama reaktyviai. Apie duobes, pažeistus šulinių dangčius ar kitus kelio defektus savivaldybė dažnai sužino tik gavusi gyventojų pranešimus.
Transporto priemonių gedimus sunku numatyti iš anksto. Neturint nuolatinės telemetrijos stebėsenos, techninės problemos dažnai išryškėja tik joms jau pradėjus trukdyti transporto priemonės darbui.
Sprendimas
Sistemą sudaro trys tarpusavyje susieti diegimo tipai – įranga autobusuose, sankryžose ir autobusų stotelėse. Visų jų surinkti duomenys apjungiami bendroje sistemoje ir pateikiami naudotojui per stebėsenos skydelius.
Įranga autobusuose
Kiekviename projekte naudotame autobuse įrengtas borto kompiuteris, į priekį nukreipta kamera, GPS modulis, transporto priemonės diagnostikos sąsaja ir 5G maršrutizatorius.
Autobusui važiuojant įprastu maršrutu, sistema stebi kelio dangos būklę, vertina eismo intensyvumą, renka transporto priemonės techninius parametrus ir analizuoja keleivių apkrovą. Tam maršrutizatorius periodiškai aptinka netoliese esančių įrenginių Wi-Fi signalus, o pagal jų kiekį, signalo stiprumą ir pokyčius laike galima įvertinti keleivių srautus bei autobuso užimtumą.
Didžioji dalis vaizdo analizės atliekama pačiame autobuse, todėl į centrinę sistemą perduodami jau apdoroti rezultatai, o ne nuolatinis vaizdo srautas. Surinkti analitiniai ir telemetrijos duomenys į centrinę sistemą perduodami 5G ryšiu.
Kameros sankryžose
Penkiose reguliuojamose Vilniaus sankryžose įrengtos stacionarios kameros, borto kompiuteriai ir 5G maršrutizatoriai.
Sistema stebi per sankryžą judančius eismo dalyvius, analizuoja jų trajektorijas, fiksuoja nustatyto tipo eismo pažeidimus ir gali aptikti galimus eismo įvykius.
Įrangai panaudota esama miesto infrastruktūra – dalis jos sumontuota ant jau esančių atramų ir prijungta prie miesto apšvietimo elektros tinklo.
Įranga autobusų stotelėse
Penkiose autobusų stotelėse įrengti 5G maršrutizatoriai su išorinėmis antenomis.
Jie renka aplink esančių įrenginių Wi-Fi signalų duomenis, iš kurių galima vertinti keleivių srautus ir stotelių apkrovą. Surinkti duomenys perduodami į debesijos infrastruktūrą, kur jie apdorojami ir naudojami analizei bei prognozėms.
Kaip viskas veikia kartu
Autobusuose ir sankryžose dalis duomenų apdorojama lokaliai, o stotelių duomenys siunčiami tiesiai į debesijos infrastruktūrą.
Informacija į centrinę sistemą perduodama nuolat – priklausomai nuo duomenų tipo, ji atnaujinama maždaug kas 10–60 sekundžių.
Naudotojas rezultatus gali stebėti interaktyviuose skydeliuose, kuriuose informacija pateikiama pagal autobusą, stotelę ar konkrečią sankryžą.
Sistema praktikoje
Eismo srautų stebėsena
Sankryžose esančios kameros aptinka ir seka eismo dalyvius nuo jų patekimo į kameros matymo lauką iki išvažiavimo iš sankryžos. Sistema atskiria automobilius, sunkvežimius, autobusus, motociklus, dviračius ir pėsčiuosius.
Tai leidžia matyti ne tik bendrą transporto priemonių skaičių, bet ir suprasti, kaip eismas juda per konkrečią sankryžą: iš kurios gatvės automobiliai atvažiuoja, kuria kryptimi išvažiuoja, kokius posūkius atlieka ir kokios transporto priemonių rūšys sudaro didžiausią srauto dalį.
Transporto priemonių aptikimo tikslumas bandymų metu siekė 97,9%, o jų sekimo per vaizdą – 96,6%.
Duomenys stebėsenos skydelyje agreguojami 10 minučių intervalais ir gali būti analizuojami pagal sankryžą, judėjimo kryptį bei transporto priemonės tipą. Tai leidžia miesto transporto specialistams objektyviai vertinti sankryžų apkrovą ir nustatyti intensyviausias eismo kryptis.
Keleivių srautų analizė
Autobusuose ir stotelėse įrengti maršrutizatoriai aptinka netoliese esančių įrenginių Wi-Fi signalus. Analizuojant jų pasirodymą, išnykimą, signalo stiprumą ir buvimo laiką galima vertinti keleivių judėjimo dėsningumus.
Sistema leidžia analizuoti, kiek laiko keleiviai laukia stotelėse, kada keleivių srautas yra didžiausias, kur vyksta įlipimas ir išlipimas bei kaip keičiasi viešojo transporto apkrova skirtingu paros metu.
Taip pat sukurtas keleivių apkrovos prognozavimo modelis, galintis prognozuoti apkrovą iki 6 valandų į priekį.
Tokie duomenys suteikia galimybę keleivių srautus vertinti ne pagal pavienius pastebėjimus ar apklausas, o remiantis nuolat renkama informacija.
Vienas pagrindinių šio metodo apribojimų – keleivių skaičius vertinamas darant prielaidą, kad vienas žmogus turi vieną aptinkamą Wi-Fi įrenginį. Jei keleivis neturi aptinkamo įrenginio arba, priešingai, turi kelis, sistema gali jo neužfiksuoti arba keleivių skaičių įvertinti netiksliai. Dabartinė sprendimo versija tokių atvejų atskirai neidentifikuoja, todėl siekiant tikslaus absoliutaus keleivių skaičiaus šią technologiją reikėtų derinti su papildomais keleivių skaičiavimo sprendimais. Tokios papildomos technologijos ir jų integravimo galimybės šiuo metu yra vertinamos.
Pilotinis sprendimas buvo išbandytas 5 autobusuose ir 5 stotelėse. Šios apimties pakako technologiniam principui patikrinti, tačiau norint susidaryti išsamų viso miesto keleivių judėjimo vaizdą, sistemą reikėtų diegti didesniame maršrutų ir stotelių tinkle.
Eismo pažeidimų ir įvykių aptikimas
Transporto priemonių sekimo sistema taip pat naudojama eismo pažeidimams nustatyti.
Jeigu automobilis įvažiuoja į pažymėtą sankryžos zoną, kurioje sustoti draudžiama, ir joje išlieka ilgiau nei nustatytą laiką, sistema automatiškai užfiksuoja galimą pažeidimą. Kartu išsaugomas vaizdo įrašas, todėl atsakingas darbuotojas gali greitai peržiūrėti situaciją ir patikrinti, ar pažeidimas užfiksuotas teisingai.
Sankryžoje aptikus neįprastą situaciją, pavyzdžiui, žmogų pavojingoje važiuojamosios dalies zonoje, sistema ją gali pažymėti kaip galimą eismo įvykį ir inicijuoti papildomą analizę.
Pirminis pranešimas apie galimą įvykį gali būti pateikiamas per 5–10 sekundžių, o išsamesnis DI sugeneruotas situacijos įvertinimas – per 30–40 sekundžių.
Pilotinio diegimo metu pasirinkto tipo eismo pažeidimai buvo teisingai nustatomi maždaug 90 % atvejų.
Didžiausias likęs iššūkis – situacijos, kuriose techninis pažeidimo kriterijus ne visada sutampa su realiu vairuotojo veiksmu. Pavyzdžiui, automobilis gali trumpam sustoti sankryžos viduryje atlikdamas posūkį. Turint daugiau duomenų apie transporto priemonių judėjimo kryptis ir platesnę kamerų aprėptį, tokias situacijas galima atskirti tiksliau.
Kelių būklės stebėsena
Autobusuose įrengtos kameros važiuojant įprastais maršrutais nuolat fiksuoja kelio paviršių. Dirbtinio intelekto modeliai analizuoja vaizdą ir automatiškai ieško galimų kelio dangos defektų.
Aptikus problemą, sistemoje išsaugoma ne tik jos vieta, bet ir vaizdo medžiaga, todėl atsakingas darbuotojas gali patikrinti užfiksuotą objektą prieš planuodamas tolesnius veiksmus.
Geriausi rezultatai pasiekti aptinkant didelius ir aiškiai matomus objektus. Pavyzdžiui, šulinių dangčių aptikimo tikslumas siekė 92 %. Smulkesni ar vizualiai mažiau išreikšti pažeidimai, tokie kaip nedideli įtrūkimai ar netolygiai sutvarkytos kelio vietos, modeliui išlieka sudėtingesni.
Pilotinio diegimo metu sistema gebėjo pakartotinai atpažinti tuos pačius kelio objektus ir pažeidimus autobusams važiuojant tais pačiais maršrutais. Tai suteikia galimybę ne tik registruoti pavienius atvejus, bet ir ilgainiui stebėti kelių būklės pokyčius.
Autobusų telemetrijos ir techninės būklės stebėsena
Autobusuose įrengti diagnostikos moduliai renka tokius duomenis kaip variklio apkrova, apsukos, aušinimo skysčio temperatūra, kuro slėgis ir kiti transporto priemonės techniniai parametrai.
Šie duomenys per 5G ryšį perduodami į centrinę sistemą kas 10 sekundžių.
Stebėsenos skydelyje galima matyti konkretaus autobuso techninius rodiklius ir jų pokyčius, o DI modeliai gali padėti nustatyti nuo įprasto veikimo nukrypstančius parametrus bei pateikti suprantamą transporto priemonės būklės įvertinimą.
Projekto metu buvo sukurta ir patikrinta visa duomenų perdavimo bei analizės grandinė – nuo duomenų surinkimo autobuse iki jų apdorojimo centrinėje sistemoje.
Tolimesnis žingsnis – tokią analizę taikyti platesniu mastu realioje eksploatacijoje, kad techninės priežiūros sprendimai galėtų būti priimami dar prieš atsirandant faktiniam gedimui.
Tolimesnės galimybės
Sistemos architektūra sukurta moduliškai, todėl ateityje ją galima papildyti naujais eismo pažeidimų tipais, analitikos funkcijomis ar kitais duomenų šaltiniais nekeičiant viso sprendimo iš pagrindų.
5G ryšio, kraštinių skaičiavimų ir dirbtinio intelekto derinys taip pat nėra pritaikytas tik Vilniui. Tokį sprendimą galima adaptuoti ir kitoms savivaldybėms, kurios siekia geriau suprasti transporto srautus, greičiau reaguoti į eismo problemas ar efektyviau prižiūrėti viešojo transporto infrastruktūrą.
Panašūs principai gali būti pritaikomi ir už viešojo transporto ribų – logistikos įmonių transporto parkų stebėsenai, pramonės įrangos techninei priežiūrai ar kitoms sritims, kuriose svarbu realiuoju laiku surinkti, perduoti ir analizuoti didelius duomenų kiekius.