Preview

Мир транспорта

Расширенный поиск

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

https://doi.org/10.30932/1992-3252-2021-19-2-5

Полный текст:

Аннотация

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. 

Об авторе

А. В. Постолит
Компания Smart Information Systems
Россия

доктор технических наук, профессор, директор,

Москва



Список литературы

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.


Для цитирования:


Постолит А.В. Автоматизация сбора первичных данных для формирования матрицы корреспонденций поездок пассажиров на основе компьютерного зрения и нейросетевых технологий. Мир транспорта. 2021;19(2):32-40. https://doi.org/10.30932/1992-3252-2021-19-2-5

For citation:


Postolit A.V. Automation of Collection of Primary Data for Development of a Passenger Origin-Destination Trip Correspondence Matrix Based on Computer Vision and Neural Network Technologies. World of Transport and Transportation. 2021;19(2):32-40. https://doi.org/10.30932/1992-3252-2021-19-2-5

Просмотров: 27


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 1992-3252 (Print)