昨年 9 月、光学パーキング センサーを設置し、ブラウンシュヴァイク大学地区の 500 以上の路上駐車スペースの占有率を測定しました。 これは、ドイツの公共スペースに展開された駐車センサーの最大の設置であり、1 つ確かなことは、これを最後のものにするということです。これは、グラウンド トゥルースを求めて AI 企業が行った多大な努力の物語ですアルゴリズムを強化するためのデータ。




これは、たまたま大きなミッションの副産物であり、最終的には二度と生産されることのない美しいエンジニアリングの背後にある物語でもあります. これらすべては、より破壊的なデータ駆動型テクノロジーを支持するものです。Bliq では、トラフィック データに基づいて駐車場の空き状況をモデル化する予測アルゴリズムに取り組んでいるため、実際の駐車場占有率のグラウンド トゥルース データが必要になるのは自然なことです。参考エリアにて。


この種のデータを取得するために、500 を超える路上駐車場の占有率を 1 日 24 時間リアルタイムで測定する、独自の現実世界の駐車センサーの実験的セットアップを構築することにしました。このプロジェクトに費やされたエンジニアリングの取り組みについて、いくつかの洞察を共有したいと思います。 より具体的には、私たちが選んだテスト サイト、システム アーキテクチャ、およびデータを収集するために設計および構築した実際のセンサーについて詳しく説明します。


テスト サイトAI 企業は、モデルのグラウンド トゥルースを収集する際に創造性を発揮する必要がある場合があります。 私たちの場合、駐車場の利用可能性をモデル化することは、交通の流れ、使用状況、および人口統計に関して特定の基準を満たす地区を見つけることを意味しました。大学のメイン キャンパスには、毎日何千人もの学生と何百人もの従業員が集まります。


さらに南に行くと、ショップやアトラクションが立ち並ぶ市内中心部まで徒歩わずか数分です (上の地図には表示されていません)。 地区の北部は、制限のない公共の路上駐車場のある住宅地を形成しています。 この地域に住んでいるほとんどの人は、学生か地元の自動車産業で働いています。




住民の大半は、自家用車を使用して通勤しています。 この地区は、市の中心地区を取り囲む幹線環状道路によって区切られています。システムの仕組みセンサー設置の基本的なシステム アーキテクチャは非常に単純で、基本的にほとんどの IoT アプリケーションに期待されるものです。小さなハードウェアがどこかに配置されます。現実世界でデータをクラウド バックエンドに送信します。


バックエンドはデータを保存し、機械学習の取り組みのグラウンド トゥルースとして、またはアプリや Web アプリでの単純な視覚化のためにデータにアクセスできるようにします。厳しい要件: 設計によるプライバシーセンサー アーキテクチャの特別な点は、かなり強力な計算能力です。エッジに展開したパワー: ドイツのパブリック スペースの規制要件は、最近および進行中の GDPR の議論によってさらに強化されたため、多くの計算リソースを備えたリモート クラウドで画像を処理することができませんでした。他の場所ではなく、センサーデバイス上でオープンスポットを直接決定するための重労働。


このアプローチの利点は、画像をやり取りするために大量のデータを消費しないことです。 その代わり、コネクティビティ用のセンサーのランニング コストも比較的低い範囲に抑えることができます。 欠点としては、画像解析を実行するのに十分な計算能力をデバイスに装備するには、ハードウェア開発に多大な労力が必要になります。


別のパーキング センサーを使用しないのはなぜですか?すでに市販されている多くの完成したセンサー モデルの 1 つを購入するだけでなく、独自のパーキング センサーを設計して構築するという苦労を経験することにしたのはなぜですか?それには 3 つの答えがあります。新しいデバイスの構築がどれほど複雑になるかわかりませんでした;)既存の駐車センサーにはすべていくつかの欠陥がありました.規制の状況により、利用可能な光学ソリューションを使用することが禁止されていました。これらの種類のシステムはプライバシーを侵害するからです.


表面実装センサーは、冬の除雪に耐えられません。 そして最後に、地中センサーはそれ自体が非常に高価で、設置にはさらに費用がかかりました。 このプロジェクトを開始したとき、私たちは非常に厳しい予算でした。


この時点で、私たちは会社を完全にブートストラップしました。私たちの資金は、政府からの資金、最初の収益、およびあちこちで獲得した価格で構成されていました。 スポットあたり 75 ～ 250 ユーロの値札を持つ他のセンサー モデルは、現時点では単純に高すぎました。 新しい光学式パーキング センサーセンサーの動作原理のアイデアは単純でした。小型化されたハードウェアに関する以前の研究プロジェクトで既に開発したのと同じアルゴリズムを展開し、それをインターネットに接続し、すべてを防水ボックスに入れてマウントします。電柱に。


アルゴリズム自体は基本的に画像分類器であり、事前に定義された関心領域を調べる必要があります。 このモデルの本来の目的は、以前のプロジェクトでオフライン カメラを使用して収集した巨大な画像シリーズの駐車場占有率の分析を自動化することでした。 ここでの課題は、十分な計算能力を備えた適切なハードウェア リグを設計し、モデルを縮小してこのセットアップで実行し、継続的な電力供給を確保することだけでした。


これが私たちの仕様ウィッシュリストです:スポットあたりの低コスト: 標準コンポーネント測定頻度は最大 3 分から 30 秒まで。天候、照明の変化、不正確な駐車車両 (e. を使用します。


1 台の車が 2 つのスポットを占める) デバイスの状態を監視する リモート ソフトウェア アップデートのオプション 低エネルギー消費 耐用年数 25 年 ソフトウェア センサー ソフトウェアは 3 つのレイヤーで構成されています。オープン スポット検出のための実際の機械学習モデル。オペレーティング システム本格的なビジョン モデルをエッジで実行するには、他の IoT ハードウェア プロジェクトよりもはるかに大規模なソフトウェア セットアップが必要であることがすぐにわかりました。 Yocto を使用して Linux のカスタム ディストリビューションを構築することが決定されました。


このようにして、OS が行っているすべてのことを完全に制御できます。 コア機能は、ファイル システムの更新とパーティションのスワップを実行できるようにするための 2 つの個別のパーティションであり、コア ルーチンとウォッチドッグ リセットに必要な多数のライブラリです。 SBC のハードウェア ウォッチドッグは、想定どおりに動作しない場合にデバイスを再起動します。


ソフトウェアのバグが原因で、街灯柱の地上にスマート ブリック メーターを配置することは、文字通り最悪のケースです。コア ルーチンは、調整可能な時間間隔で検出器を実行し、センサーの状態を監視し、バックエンド (構成データの取得と更新の送信)。コア ルーチンは Python で実装されています。


これにより、社内にすでにある大規模な既存の Python コード ベースを利用できるため、柔軟性が大幅に向上し、画像処理が大幅に簡素化されました。検出モデルからコア ルーチンのソース コード、さらにはカーネル、さらにはファイル システム全体まで、各部分をリモートで置き換えることができます。 一般的に、CV および機械学習分野の急速な進化に直面しているため、センサーを実行するコードが寿命全体にわたって最先端であることを確認したいと考えました。


機械学習検出タスクを実行するために、テンソルフローのバージョンを使用し、微調整を行った後、最終的にセットアップで動作するようになりました。 これが完了すると、GPU メモリに適合する事前トレーニング済みのテンソルフローのほとんどをデプロイできました。MobileNet を使用することにしました。これは、セットアップでの精度とパフォーマンスの最適な比率を示したためです。


また、HOG 機能やヒストグラムなど、従来のコンピューター ビジョン機能に基づく他のいくつかのアプローチも検討しました。 SVM などの従来の機械学習分類器と組み合わせて使用​​します。 これらのテストでは、MobileNet に比べてモデル設計がはるかに単純なため、非常に高い計算パフォーマンスが得られましたが、モデルの精度は低く、これは標準的な CV 機能の記述 (光の不変性、スケールの不変性) の通常の欠点によって説明される場合があります。


ハードウェアハードウェアを扱うことは、これまで純粋なソフトウェア企業であった私たちにとってまったく新しい経験でした。 当社の CTO であるマティアスは、前職のフォルクスワーゲン R でエレクトロニクスの設計に携わっていましたが、
&D、私たちの会社はハードウェア開発タスクの準備ができていませんでした。正直に振り返ってみると、まだそうではありません.それでも、製造が容易で、現時点でブートストラップされた会社として持っていたリソースを使用して反復できる機能的な設計が必要でした.


そのため、私たちの要件リストはすぐに次のようになることが判明しました: ケースは防水性があり、3D プリント可能である必要がある センサーはバッテリーで少なくとも 12 時間動作できる必要がある カメラは雨や水しぶきから保護され、暗闇でも動作する必要がある デザインカメラ、温度/湿度センサー、LTE モジュール、シングル ボード コンピューター、および電圧を適切なレベルに変換するためのいくつかのパワー エレクトロニクスを保持する必要があります。街灯柱の電源がオフになっているとき (点灯中) に動作を継続するには、バッテリーが必要です。設置を容易にし、障害が発生した場合に単一のコンポーネントを交換できるように、セットアップ全体をモジュール化する必要があります。 また、動作環境で目立たないように小さくし、灰色に塗装する必要があります動作条件は-20℃から70℃です（太陽に完全にさらされる夏にはセットアップが非常に暖かくなる可能性があるため）赤外線を含む設計から始めましたLED (多くの屋外カメラに搭載されているものと同様) は、夜間でも動作できるようにします。


ただし、この設計の選択にはいくつかの欠点がありました。これらの LED は (他の電子機器と比較して) 非常に電力を消費するため、非標準の電源が必要でした。 消費電力が大きいにもかかわらず、視野全体を照らすことはできませんでした。 外部の IR フラッドライトが必要だったかもしれませんが、これも重要な代替手段ではありませんでした。


最後に、LED を使用したデザインもあまりきれいではありませんでした。夜間の操作の問題を克服するために、静的なカメラ設定を利用することにしました。カメラの位置は静的であり、検出しようとしているオブジェクトも通常は静止しているため、残留光のみで動作するように、露出とセンサーの光感度を上げることができます。 そのため、カメラの内部露出と ISO コントロールを上書きし、最後にキャプチャしたフレームの輝度に基づいて照明設定を調整する単純なフィードバック ループを作成しました。


ほとんどの通りでは街灯から十分な残留光があるため、このアプローチは非常にうまく機能することが判明しました。さらに数回繰り返した後、最終的に上の図のような設計になりました。そして可能な限り太陽の反射。 電子機器は内部のソケットに取り付けられ、リボン ケーブルがカメラをメイン ボードに接続します。


底面は取り外し可能で、4 本の標準ネジでケースに取り付けられます。 ケースは ABS で印刷されているため、ネジを適切に締めることができるように、四角形のナットが切り欠きに収まっています。 GoPro のようなジョイントがケースをマウントに接続し、マウントは標準のスチール テープを使用して街灯柱に取り付けられます。


すべての部品は 3D 印刷可能性のために最適化されています。つまり、大きなオーバーハングがなく、サーフェスを平行にインポートして高い表面品質を実現しています。最後に、バッテリー ボックスはセンサーから分離されているため、保守性が向上しています。 標準の射出成形 ABS ボックスで、4 が含まれています。


5 Ah 12V の鉛バッテリーと 230V の入力 (ドイツのほとんどの街路灯の電圧) を使用する充電ユニット。次に行うこと このプロジェクトを通じて収集しているデータは、私たちの理解を深めるのに大いに役立ちます (また、さまざまな交通状況や、駐車場の空き状況に影響を与える要因のさまざまなコンテキストで駐車がどのように機能するかについて説明します。データ サイエンスの観点からの実際の結果については、まもなく投稿する予定です。


また、時間をかけてソフトウェア部分の詳細を検討し、最終的にはハードウェア設計だけでなくソフトウェアもオープンソース化する予定です。このプロジェクトをサポートするために交通インフラへのアクセスを提供してくれた Braunschweig 氏。 彼らは必要なすべての許可を提供しただけでなく、費用の一部も負担しました。


また、センサーの設置と電源供給に関するサポートについて、地元の交通事業者である Bellis とエネルギー プロバイダーの BS Energy に感謝の意を表したいと思います。を拠点とするテクノロジー企業。 Bliq は、モビリティの開発者向けにライブ駐車場マップを提供します。


関連する質問 Google Glass Explorer Edition を入手できませんでした。 ハードウェアなしでGlass devを学ぼうとするのは無駄な努力ですか? いいえ、あなたはまだハードウェアなしでガラス开発の基础を学ぶことができます。


これを実現するには、主に3つのアプローチがあります。1) Mirror APIドキュメントにアクセスし、遊び場にアクセスして、いくつかのコードのハッシュを開始します。 最も快適なPHP、Java、およびPythonライブラリをダウンロードしてください。 専門用語とコンヴァーション (タイムライン、バンドル、メニューなど) に精通してください。


Glassハードウェアが実際にどのように機能するかについては、サポートドキュメント (以下の2番目のリンク) をお読みください。 この仕様に合わせていくつかのアプリをビルドします。 すぐに、あなたはハードウェアを持つ友人を見つけるでしょうt

画像認識技術ナンバープレート認識技術は、コンピュータビジョン処理、デジタル画像処理、パターン認識などの技術に基づく技術であり、カメラで撮影した車両画像またはビデオ画像を処理および分析して、各車両のナンバープレート番号を取得します。認識プロセスを完了するために、車両IDの識別を完了することができます。 クラウドプラットフォームは、データストレージ、取得、関連付け、派生などの貴重なマイニングを目的としています。 これらのデータはそれ自体普遍的です。 駐車場クラウドプラットフォーム管理は、単一グループ車両管理システムの情報島の現状を打ち破り、同じプラットフォーム上の複数の駐車場の一元的かつ統一された管理を実現します。 インポートおよび输出管理业界のオンライン支払い、サードパーティの支払いはまだ新しいものですが、2つのビジネスは强い正の相関関系を持っています。 オンライン決済はターミナル消費者市場の大規模なビジネス分野であり、セキュリティ業界の最終的なエンド業界として、輸出入管理はターミナル決済のための便利で効率的なサービス基盤を提供できます。 この2つの拘束力は、輸出入管理業界の新しいビジネス分野も生み出します。

一般に、スマート駐車場は、主にカードのスワイプまたはチケットの取得を使用して、車両の出入りを管理します。 従来の駐車場の管理は大幅に改善されましたが、駐車場に出入りするときにカードやチケットをスワイプするために車両を停止する必要があります。これは、車両の出入り速度に影響を及ぼし、交通の流れのピーク時に混雑を引き起こす可能性があります。ユーザーの満足度と駐車場の操作効率に影響します。 さらに、雨や雪の場合、車の所有者は立ち止まり、窓を開けてカードをスワイプして駐車場に出入りする必要がありますが、多くの車の所有者は我慢できません。 それで、上記の問題を解決する良い方法はありますか? カードフリー駐車場システムは上記の問題を解決することができます。 カードフリー駐車場システムは、ナンバープレートをアクセス証明書とし、ビデオ認識技術を採用して、現場に出入りする車両のナンバープレート番号を自動的に検出して識別し、車両の種類に応じて異なる管理方法を実行します。 固定車両は、駐車カードやスワイプカードなしで直接解放されます。 そのワークフローを見てみましょう。 車両が現場に入ると、入り口のカメラが自動的にナンバープレート番号を識別し、車両が固定車両か仮設車両かを判断します。 固定車両の場合、ゲートは自動的に持ち上げて解放されます。 一時的なユーザーの場合は、カードを持ってリリースする必要があります。 車両が現場を離れると、出口のカメラもナンバープレート番号を自動的に識別し、車両の種類、写真、出入り時間、駐車料金などを表示します。 表示画面で。 固定車両の場合、ロードゲートは自動的に開きます。 一時的な車両の場合、カードと支払いを返却する必要があり、警備員が解放のためにゲートを開きます。 カード無料駐車場システムは、車両の安全を確保するために、出入りの証明書としてナンバープレートを受け取ります。1枚のカードと1台の車両です。 同時に、それは車の速度を大幅に向上させます。 一般的に言って、カードスワイプ駐車場は平均して毎分6台の車両に出入りできますが、カードフリーパーキングシステムは平均して毎分10台の車両に出入りでき、車の所有者が列に並ぶ状況を排除します。ピーク。 カードフリー駐車場システムは、一部のハイエンドコミュニティで使用されており、より多くの固定ユーザーがいる駐車場が最適です。

ナンバープレート認識システムは、違法な車両を自動的に「キャプチャ」します。3月1日から、制限区域での運転を再び見つけた場合、罰せられます。 2月3日、当直の警官が市内のBinhuセクションにあるNanhu歩哨ボックスで黄色のラベルが付いた青いビジネスカーを止めました。 同日より、市の公安交通警察と環境保護部門は、黄色の環境保護検査資格マークのある車両と環境保護検査資格マークのない車両の違法運転について、合同の法執行検査を実施しています。 2月3日の朝、南寧市浜湖路の24時間禁止区間で、関連部門はナンバープレート認識システムを介して1時間以内に481台の車両をチェックしました。これには、13台の黄色い車と128台の非標準車が含まれます。違法車両のほぼ30%。 記者は、Binhu道路のNanhu歩哨ボックスで、道路を通過する車両を識別するための2つのモバイルキャプチャデバイスがあることを確認しました。




スタッフは記者団に、この機器はワイヤレスネットワークを介して黄色の標準車両制限キャプチャシステムに接続されていると語った。 黄色の標準車両または非標準車両が制限区域に侵入すると、システムはその車両が黄色の標準車両であるかどうか、および環境保護検査マークを受け取ったかどうかを自動的に識別します。 自家用車が通り過ぎ、システムがグリーンラベル車として促したが、グリーンラベルのラベルが貼られていなかったため、警察にも止められた。 警察は所有者に、車のロゴを貼らないことも規制に違反しており、3月1日から罰せられると語った。 市の規則によると、2014年12月1日以降、環境保護検査認定マークのない車両は、市の管轄内の道路 (6つの郡と6つの都市部を含む) を走行することを禁止されています。中華路、元湖路、東毛路、Xiangzhuアベニュー、Zhuxi Avenue、Jiangbei Avenue、Beida Roadは、24時間黄色のラベルの付いた車両で閉鎖されています。Xingguang Avenue、Yunju Road、Beida Bridge、Beida Road、University East Road、Mingxiu Road、Nanwu Road、Xiangzhu Avenue、Zhuxi Avenue、ハルディング橋とバイシャアベニューは、7:00〜22:00に黄色の標準車両の通過を制限します。 南寧交通警察は、3月1日以降の罰せられないように、自動車の環境保護標識を取得する時間をつかむように自動車の所有者に思い出させました。 汚染度の高い車両の通過を徐々に制限する市の作業計画によると、今年3月1日から、市は制限区域に侵入したことで黄色の標準車両を、道路を運転するための非標準車両を罰する。


自動車が規制に違反して制限された運転エリアまたは制限された運転時間の道路を運転している場合、または期限切れの環境保護分類標識を取得または使用しなかった場合、公安機関の交通管理部門から200元の罰金が科せられます。; 偽造、変更または使用、転送、貸し出し、変更、偽造、または変更環境保護分類マークは没収され、500元以上1000元以下の罰金が科せられます。 Yongcheng黄色標準車両の初期検査コンプライアンス率は30% 未満です。 今年、地方自治体のナンバープレート認識システムは、自動車の排気ガス汚染に対する定期的な環境保護検査と強制保守システムの実施を開始しました。 1月には、市内の14の自動車環境保護試験所が15057台の使用中の車両に対して排気環境保護試験を実施したことがわかります。 検査からみると、初期検査の全体的なコンプライアンス率は74% であり、そのうちガソリン車の初期検査のコンプライアンス率は80% であり、ディーゼル車の初期検査のコンプライアンス率はわずか47% である。緑の標準車両の初期検査コンプライアンス率は81% であり、黄色の標準車両の初期検査コンプライアンス率はわずか25% です。 テスト結果によると、浙江自動車の運転条件法の環境保護検査は一時的に最も緩い国家基準を実施していますが、排気ガスが過剰な車両の20% 以上が依然として道路を走行しています。 その中で、粒子状物質と窒素酸化物の排出量が比較的多いディーゼル車の50% 未満が道路にあります。汚染物質排出レベルが高い黄色の標準車両として、排気ガス基準を満たす車両の30% 未満が道路にあります。

近年、科学技術の進歩に伴い、駐車場システムに大きな変化が起こっています。 従来のカードスワイプ/チケットピッキング駐車場システムは徐々に姿を消し、非接触および長距離識別技術は飛躍的に発展し、今日のナンバープレート認識システムに進化し、効率、管理、安全性が大幅に向上しました。重要なことは、ますます広く使用されていることです。 従来の駐車場システムと現在のナンバープレート認識システムを比較すると、製品の外観が変化しただけでなく、技術も大きく変化しました。 時間の降水量と技術の発展により、製品は繰り返し更新されます。 ナンバープレート認識システムは、強力な機能、背の高い外観、人間化されたインテリジェント機器などの独自の利点を備えた駐車場アプリケーションの人々に求められています。 インテリジェントな交通機関を開発し、人々が駐車するための良好な駐車環境を作り出すために、ナンバープレート認識システムはまた、新しい技術の革新と統合を続けています。 よりインテリジェントなデバイス (駐車スペース誘導システム、オンライン駐車料金支払い、リバースカー検索クエリマシン、超音波ガイダンスなど) と組み合わせることで、より革新的な開発が双方 (管理者と車の所有者) の生活を促進し、私たちのライフスタイルに近い駐車。 ナンバープレート認識のプロセスは、ナンバープレートの位置、ナンバープレートの前処理、文字セグメンテーション、文字認識の4つのステップに分けることができます。 ナンバープレート認識システムは、ナンバープレートの全体的な傾き、テキストの傾き、汚れ、ぼかしにうまく対処でき、人間の目では区別が難しいナンバープレート番号を認識できる高度なファジー画像処理技術を採用しています。 ナンバープレート認識システムは、既存の駐車場におけるインテリジェントアクセス管理システムの完全なセットとなっています。 それは低コスト、簡単な設置とメンテナンス、安全で速い駐車場の特徴を持っています。 もっと素晴らしい業界ニュースや駐車場の計画を知りたい場合は、タイガーウォンをフォローして、いつでも素晴らしい情報を提供してください!