Автоматизация сбора первичных данных для формирования матрицы корреспонденций поездок пассажиров на основе компьютерного зрения и нейросетевых технологий

Матрица корреспонденций является фундаментальной характеристикой транспортной сети, а формирование достоверной матрицы корреспонденций является важнейшей задачей при организации пассажирских перевозок. Она является той основой, на базе которой строится маршрутная сеть общественного транспорта города (региона) и выполняется её оптимизация.

В настоящее время сбор исходной информации для построения матрицы корреспонденций зачастую осуществляется путём натурных обследований: анкетирования населения, учёта перемещения пассажиров по выдаваемым им талонам, использования учётчиков в салонах транспортных средств, простого опроса пассажиров. Кроме того, используется математическое моделирование, основанное на статистических данных о количестве жителей в различных районах города, количестве работников на предприятиях и учащихся в учебных заведениях, а также на ранее полученной информации о характеристиках пассажиропотока по определённым маршрутам. Все эти обследования очень дороги, проводятся только раз в несколько лет, дают большую погрешность, из-за чего принятые на основе этих данных решения далеки от оптимальных.

На рынке программно-технических средств имеется масса решений, обеспечивающих автоматизированный сбор данных о пассажиропотоках. Они базируются на использовании либо инфракрасных датчиков, либо видеокамер. Однако ни одна из этих систем не даёт информации о точках входа-выхода каждого пассажира.

Целью настоящего исследования явилась разработка методов автоматизации получения достоверной информации о поездках пассажиров, на основе которой можно строить актуальные и достоверные матрицы корреспонденций поездок пассажиров. Данная задача может быть решена путём постоянного мониторинга поездок пассажиров с фиксацией места входа и выхода каждого пассажира.

Описана возможность создания программного обеспечения на основе компьютерного зрения и искусственного интеллекта, что обеспечит автоматизацию сбора первичной информации о перемещении каждого пассажира от места посадки в транспортное средство до выхода из него, то есть автоматизацию формирования данных для построения матрицы корреспонденций поездок пассажиров. 

1. Закономерности городского движения (подвижность городского населения, расчёт корреспонденций). Онлайн-презентация. [Электронный ресурс]: https://ppt-online.org/681708. Доступ 25.02.2021.

2. Хабаров В. И., Теселкин А. А., Косолапов К. П. Планирование экспериментов для оценки матрицы транспортных корреспонденций. Доклады АН ВШ РФ, июль–сентябрь 2015. [Электронный ресурс]: https://docplayer.ru/27479223-Planirovanie-eksperimentov-dlyaocenki-matricy-transportnyh-korrespondenciy.html. Доступ 25.02.2021.

3. Автоматизированная система мониторинга пассажиропотоков (АСМПП). [Электронный ресурс]: https://transsensor.ru/catalog/datchiki-irma/asmpp-irmabasic-can. Доступ 25.02.2021.

4. Infoteh PasCounter − готовое решение для автоматического подсчёта пассажиров. [Электронный ресурс]: https://pascounter.infoteh.ru/.

5. Лебедева О. А. Совершенствование методов мониторинга пассажиропотоков на маршрутах городского пассажирского транспорта общего пользования // Автореф. дис… канд. техн. наук. − Иркутск, 2014. [Электронный ресурс]: https://www.istu.edu/docs/science/2014/gefence/lebedeva_ref.pdf. Доступ 25.02.2021.

6. Намиот Д. Е., Некраплёная М. Н., Покусаев О. Н., Чекмарёв А. Е. Матрицы корреспонденций и анализ пассажиропотоков. [Электронный ресурс]: https://cyberleninka.ru/article/n/matritsy-korrespondentsiy-i-analizpassazhirskih-potokov/viewer. Доступ 25.02.2021.

7. Yongzheng, Xu; Guizhen, Yu; Yunpeng, Wang; Xinkai, Wu; Yalong, Ma. A Hybrid Vehicle Detection Method Based on Viola-Jones and HOG + SVM from UAV Images. [Электронный ресурс]: https://www.mdpi.com/1424-8220/16/8/1325/htm. Доступ 25.02.2021.

8. Basic concepts of the homography explained with code. [Электронный ресурс]: https://docs.opencv.org/master/d9/dab/tutorial_homography.html. Доступ 25.02.2021.

9. Writing documentation for OpenCV. [Электронный ресурс]: https://docs.opencv.org/master/d4/db1/tutorial_documentation.html. Доступ 25.02.2021.

10. Official English Documentation for ImageAI. [Электронный ресурс]: https://imageai.readthedocs.io/en/latest/. Доступ 25.02.2021.

11. Keras tutorial points (simply easy learning). [Электронный ресурс]: https://www.tutorialspoint.com/keras/keras_tutorial.pdf. Доступ 25.02.2021.