我們建立了該國最大的停車傳感器網絡,將停車傳感器發送到地獄

上9月,我們安裝了光學停車傳感器,以測量Braunschweigs大學區市500多個街道停車位的占用率。 這是德國有史以來在公共場所推出的最大規模的停車傳感器安裝,可以肯定的是: 我們將使其成為最後一個。 這是一個巨大努力的故事,這是一家AI公司為尋找地面真相數據以推動其算法而做出的努力。

這也是一個美麗的工程背後的故事,它恰好是更大使命的副產品,最終永遠不會再投入生產。 所有這些都支持更具破壞性的數據驅動技術。 由於在Bliq,我們致力於基於交通數據對停車可用性進行建模的預測算法,因此我們自然需要參考區域中真實停車占用率的地面真實數據。

為了獲得這樣的數據,我們決定建立我們自己的,真實世界的停車傳感器實驗裝置,測量超過500個街道停車位的占用,每天24小時實時。 我們想分享一些關於這個項目的工程工作的見解。 更具體地說,我們將討論我們選擇的測試站點,系統架構以及我們設計和構建的用於收集數據的實際傳感器。

測試站點有時,人工智能公司在為其模型收集基本事實時需要變得富有創造力。 在我們的案例中,對停車場可用性進行建模,這意味著找到一個在交通流量、使用和人口統計方面符合某些標準的地區。 我們選擇不倫瑞克大學區是因為它對相對較小的空間有多種影響: 在南部,我們的大學主校區每天吸引成千上萬的學生和數百名員工。

甚至在更南邊,市中心及其商店和景點都只有幾分鐘的步行路程 (上圖未顯示)。 該地區的北部形成了一個住宅區,設有公共的,不受限制的街道停車場。 居住在該地區的大多數人要麼是學生,要麼是當地汽車行業的員工。

絕大多數居民使用私家車上下班。 該區域由一條環繞城市中心區的主幹道隔開。 系統如何工作傳感器安裝的基本系統架構非常簡單,基本上人們對大多數物聯網應用的期望是: 在現實世界中的某個地方部署了一小塊硬件,並將數據傳輸到雲後端。

後端存儲數據並使其可用於進一步處理,以作為機器學習努力的基本事實,或者僅用於應用程序或web應用程序中的簡單可視化。 硬要求: 設計隱私傳感器架構的特殊之處在於我們在邊緣部署了相當強大的計算能力: 由於最近和正在進行的GDPR討論還引發了德國公共空間的監管要求,我們無法在具有大量計算資源的遠程雲上處理圖像。 這就是為什麼我們需要做所有繁重的工作來直接在傳感器設備上而不是在其他地方確定開放點。

這樣做的好處是,這種方法不會消耗用於來回發送圖像的大數據量。 相反,我們可以將用於連接的傳感器的運行成本也保持在相對較低的範圍內。 不利的一面是,為設備配備足夠的計算能力來執行圖像分析需要在硬件開發方面付出大量額外的努力。

為什麼不使用另一個停車傳感器? 為什麼我們決定要經歷設計和建造自己的停車傳感器的痛苦,而不僅僅是購買已經有很多成品傳感器模型中的一個? 有三個答案: 我們不知道建造新設備將變得多麼複雜;) 現有的停車傳感器都有一些缺陷: 監管情況禁止我們使用任何可用的光學解決方案,因為這類系統會侵犯隱私。

表面安裝的傳感器在冬季無法承受除雪。 最後,地面傳感器本身相當昂貴,安裝成本甚至更高。 當我們開始這個項目時,我們的預算相當緊張。

在這一點上,我們完全引導了公司: 我們的資金包括一些政府資金,第一筆收入以及我們在這裡和那裡贏得的一些價格。 其他傳感器型號的價格在75到250歐元之間,這個時候對我們來說簡直太貴了。 新的光學停車傳感器我們傳感器的工作原理的想法很簡單: 部署我們在以前的小型硬件研究項目中已經開發的相同算法,將其連接到互聯網,將所有東西放在防水盒中並安裝到燈桿上。

算法本身基本上是一個圖像分類器,它需要預先定義的感興趣區域來查看。 該模型的最初目的是自動分析我們在以前的項目中使用離線攝像機收集的一些巨大圖像系列中的停車占用率。 現在的挑戰僅是設計具有足夠計算能力的合適硬件設備,縮小模型,使其在此設置上執行並確保連續供電。

這是我們的規格願望清單: 每個地點的低成本: 標準組件測量頻率高達3分鐘至30秒。 檢測對天氣,照明變化和不準確的停車汽車具有魯棒性 (例如 G。

一輛車占據兩個位置) 監控設備的健康狀態遠程軟件更新選項低能耗25年有用壽命軟件傳感器軟件由三層組成: 操作系統,這是該項目的定製開發,控制所有傳感器功能的核心例程和用於開放點檢測的實際機器學習模型操作系統為了在邊緣運行完整的視覺模型,我們很快發現我們需要比其他物聯網硬件項目更大的軟件設置。 決定使用yocco構建Linux的自定義發行版。

這樣,我們就可以完全控制操作系統正在做的一切。 核心功能是兩個單獨的分區,以便能夠進行文件系統更新和交換分區,核心例程所需的多個庫和看門狗重置。 我們SBC的硬件看門狗會重新啟動設備,以防任何事情無法按預期運行。

由於軟件中的錯誤,將智能磚塊米放在燈桿上,這實際上是最糟糕的情況。 核心常規核心例程負責在可調的時間間隔內運行檢測器,監控傳感器的健康狀態並與後端進行通信 (獲取配置數據並發送更新)。 核心例程在Python中實現。

這給了我們很大的靈活性和簡化的圖像處理很多,因為我們可以利用我們已經在公司擁有的龐大的現有Python代碼庫。 關於軟件設計的一個偉大的事情是它能夠獨立地遠程更新每個組件: 從核心例程的源代碼的檢測模型到內核甚至整個文件系統,每個部分都可以遠程替換。 面對CV和機器學習領域的快速發展,我們希望確保運行傳感器的代碼在整個生命周期內都是最先進的。

機器學習為了執行檢測任務,我們使用了tensorflow的一個版本,經過一些調整,最終使其可以在我們的設置中工作。 完成此操作後,我們幾乎可以部署任何適合GPU內存的預訓練tensorflow。 我們決定使用MobileNet,因為它在我們的設置中顯示了精度和性能之間的最佳比率。

我們還研究了基於傳統計算機視覺特徵的其他幾種方法,例如HOG特徵,直方圖等。 結合傳統的機器學習分類器,如svm。 儘管這些測試由於與MobileNet相比更簡單的模型設計而導致相當高的計算性能,但模型精度較低,這可以通過標準CV特徵描述 (光不變性,尺度不變性) 的通常缺點來解釋。

硬件對我們來說是一種全新的體驗,到目前為止,它是一家純粹的軟件公司。 儘管我們的CTO Mathias在之前在大眾汽車公司工作時曾從事電子設計工作。 &D,我們公司還沒有為硬件開發任務做好充分的準備,老實說,現在還沒有。 儘管如此,我們需要一個易於製造的功能設計,並且可以利用我們作為一家自舉公司的資源進行迭代。

所以,我們的需求清單很快就變成了這樣: 外殼需要防水,3d打印傳感器應該能夠在電池上運行至少12小時。 相機應該免受雨水和噴水的影響,並在黑暗中工作。 設計需要固定相機,溫度/濕度傳感器,LTE模塊,單板計算機和一些用於將電壓轉換為適當水平的電力電子設備。 當燈桿斷電時 (白天),需要電池繼續運行。 整個設置需要模塊化,以便於安裝,並能夠在發生故障時更換單個組件。 它還需要很小,塗成灰色,在-20攝氏度到70攝氏度的操作環境中看起來不引人注目 (因為在夏天,當它完全暴露在陽光下時,設置會變得非常溫暖) 我們從包括紅外發光二極管 (就像許多戶外相機都有) 的設計開始能夠在夜間條件下操作。

但是,這種設計選擇卻存在一些缺陷: 這些led非常耗電 (與其他電子設備相比),因此需要非標準電源。 儘管功耗很大,但它們並不能真正照亮整個視野。 我們可能需要一個外部紅外泛光燈,這同樣不是一個嚴肅的選擇。

最後,LED加香料的設計也不是很漂亮。 為了克服夜間操作的問題,我們決定使用靜態攝像機設置: 由於攝像機的位置是靜態的,並且我們試圖檢測的對象通常也是靜止的,我們可以增加曝光和傳感器的光敏性,以便僅在殘留光下工作。 因此,我們覆蓋了相機的內部曝光和ISO控制,並編寫了一個簡單的反饋循環,根據最後捕獲的幀的亮度調整照明設置。

這種方法效果很好,因為在大多數街道上都有足夠的路燈殘留光。 經過多次迭代,我們最終得到了如上所示的設計: 相機位於圓錐體內,以防止噴水和陽光反射。 電子設備安裝在內部的插座上,帶狀電纜將攝像機連接到主板。

底部是可拆卸的,用四個標準螺釘安裝到外殼上。 由於外殼是用ABS打印的,因此二次螺母位於切口處,以確保可以正確擰緊螺釘。 類似GoPro的接頭將外殼連接到安裝座,安裝座通過使用標準鋼帶固定在燈桿上。

所有零件都針對3d打印性進行了優化,這意味著沒有沉重的懸垂,導入表面平行以獲得高表面質量。 最後,電池盒與傳感器分開以獲得更好的適用性。 這是一個標準的注塑ABS盒,包含一個4。

5 Ah 12v鉛電池和一個充電單元,該單元需要230V輸入 (這是德國大多數路燈的電壓)。 接下來的數據是什麼,我們在整個項目中收集的內容極大地幫助我們提高了對停車在不同交通情況下如何工作以及影響停車可用性的各種因素的理解 (以及我們的算法)。 我們將很快從數據科學的角度發布更多關於實際結果的信息。

我們還將花費一些時間,深入研究軟件部分的細節,最終甚至將開源軟件以及硬件設計。 承認這一點,我們要感謝不倫瑞克市讓我們能夠使用交通基礎設施來支持這個項目。 他們不僅提供了所有必要的權限,還支付了部分費用。

我們還想向當地的交通運營商Bellis和能源提供商BS energy表示感謝,感謝他們對傳感器的安裝和供電的支持。 關於作者朱利安是柏林科技公司Bliq的首席執行官和聯合創始人。 Bliq為移動開發人員提供實時停車地圖。

相關問題我沒有得到谷歌玻璃資源管理器版。 在沒有硬件的情況下嘗試學習Glass dev是徒勞的嗎? 不,您仍然可以在沒有硬件的情況下學習玻璃開發的基礎知識。

完成此操作的主要方法有三種: 1) 訪問鏡像API文檔,進入遊樂場,並開始散列一些代碼。 下載PHP、Java和Python庫,無論你最喜歡哪一個。 熟悉行話和轉換 (時間軸,捆綁包,菜單等)。

閱讀支持文檔 (下面的第二個鏈接),以了解Glass硬件的實際功能。 根據此規範構建一些應用程序。 很快,你會找到一個有硬件的朋友