Автоматизация планирования организации дорожного движения
на основе нейронных сетей и компьютерного зрения
GitHub
В 2020 году на дорогах РФ произошло 145 703 ДТП, которые привели к гибели 16 152 человек. Данная статистика показывает важность работы в сфере безопасности дорожного движения (БДД) и поиске инновационных решений для повышения безопасности передвижения по автомобильным дорогам. Планирование организации дорожного движения и мониторинг состояния инфраструктуры являются одними из наиболее действенных способов снижения аварийности и смертности.
Информационные технологии все больше проникают в сферу безопасности на дороге. Камеры, используемые для слежения за соблюдением правил дорожного движения, используют нейронные сети не только для определения государственных номеров регистрации автомобилей, но и для распознавания марок и моделей машин.
Также, одной из областей применения так называемого компьютерного зрения, переживающего взрывной рост, становится создание цифровых двойников дорог и систем наблюдения за состоянием дорожной инфраструктуры.
Основная проблема, решаемая в проекте
В мире постоянно случаются какие - либо природные бедствия, которые часто влекут за собой разрушение автомагистралей.
Дорожным работникам необходимо в точности воссоздать дорожное покрытие, знаки и обозначения на поврежденном участке для качественной его починки, что требует колоссального количества времени при отсутствии точного плана.
Цель Проекта

Автоматизация процесса сбора информации и документирования актуального состояния дорожной инфраструктуры на основе технологий нейронных сетей.

Задачи проекта
  • 1
    Создание и обучение нейросетей для обработки фото и видео материалов с целью распознавания нескольких типов объектов дорожной инфраструктуры.
  • 2
    Формирование прототипа отчета в форме плана организации дорожного движения (ПОДД).
  • 3
    Создание системы привязки к реальным координатам объектов на ограниченном участке дороги.
Планируемый результат проекта
Создание ПО, которое способно проанализировать видео и GPS данные для построения чертежа ПОДД актуального отрезка автомобильной дороги.
В рамках проекта предполагается распознавание около 20 классов знаков.
План - график проекта
Знакомство с нейросетями для распознавания образов, с их разнообразием и принципами работы
Выбор и первичное обучение, на упрощенном наборе объектов

Создание и разметка наборов данных
(data sets), data analytics, data science
Работа с реальными данными, решение задачи по созданию системы привязки к реальным координатам объектов на ограниченном участке дороги
Практическое обучение нейросети, расширение классов объектов, тестирование на данных близких к реальным
Знакомство с технологиями формирования отчетов, схем, выбор наиболее подходящего варианта
Перенос полученных данных в форму отчета для удобного дальнейшего использования
Этапы работы
YOLOv5
Нейронная сеть, которая применяется для нахождения множества объектов определенного класса на кадре.
CNN
Сверточная нейронная сеть хорошо зарекомендовавшая себя для распознавания образов.
DEEP SCAN
Определение расстояние от камеры до объекта.
ПОДД
Создание модели дороги.
Результаты работы:
  • обучены две различные по целям и методам нейросети, и для каждой создан большой датасет.
  • показатели распознавания знаков превышают 90%, распознается 21 класс знаков.
  • создана программа обработки видео, которая с помощью этих двух обученных нейросетей анализирует видео и создает чертеж дороги с указанием установленных знаков.
Команда нашего проекта
  • Ивановская Елена
    Владимировна
    Руководитель проекта
    Выпуск ВМиК МГУ 2002 год. Разработчик, преподаватель математики и программирования.
  • Родионов Михаил Давыдович
    Руководитель проекта
    Первый заместитель генерального директора - операционный директор, является автором идеи проекта.

  • Георгий Апрасидзе
    11ИНЖ
    1. Написание веб-скраппера для дополнительного сбора информации в виде оконного приложения на основе поисковой системы Yandex.
    2. Создание рендера итогового плана дороги на основе входных данных с прошлых этапов работы.
  • Влад Бабин

    11 ИНЖ
    1. Разметка изображений для создания датасетов нейронной сети YOLOv5.

    .

  • Никита Беляев
    11ИНЖ
    1. Работа с датасетом.
    2. Работа со структурой проекта.
    3. Связывание частей проекта.
    4. Разработка пользовательского интерфейса для удобного использования.
  • Степан Верёвкин
    11ПМ
    1. Обучение YOLOv5 на основе выбранных данных.
    2. Разметка фотографий для YOLOv5.
    3. Создание, анализ и усовершенствование выбранного датасета.
  • Оюс Кулиев
    11ИНЖ
    1. Создание оптимальной базы размеченных картинок.
    2. Обучения нейронной сети YOLOv5.
  • Михаил Ровенский
    11ИНЖ
    1. Анализ возможностей использования нейросети Sillnet в классификации знаков.
    2. Создание программы для классификации дорожных знаков по их цветовой гамме.
    3. Создание программы для балансировки яркости изображений дорожных знаков.
    4. Примерное обозначение полного алгоритма обработки всех данных для разметки дорожных знаков на карте.
    5. Нахождение и применение наиболее эффективного способа нахождения расстояния до дорожных знаков.
  • Тенгир Сангаджиев
    11ИНЖ
    1. Подбор датасетов и параметров для обучение нейросети архитектуры YOLOv5.
    2. Анализ полученных результатов обучения и оптимизация работы нейросети.
    3. Обучение других участников проекта размечать данные для датасета.
  • Камила Саляхова
    9ИНЖ
    1. Обработка данных.
    2. Разметка изображений для создания датасетов для нейронных сетей CNN и YOLOv5.
    3. Изучение python: типы данных списки, кортежи, множества, словари, создание классов, работа с файлами с данными для дальнейшего более глубокого погружения в проект и его разработку.
  • Богдан Байрачный
    11ИНЖ
    1. Изучение и анализ необходимых для реализации проекта инструментов.
    2. Создание финального связующего скрипта.
    3. Представление проекта на конференции в Иране.

    Сейчас в проекте не участвует.

  • Глеб Галеев
    11ИНЖ
    1. Подбор датасетов и параметров для нейросети архитектуры CNN.
    2. Анализ полученных результатов обучения и оптимизация работы нейросети.
    3. Разработка дизайн баннеров для стендовой защиты, презентации и сайта проекта.

    Сейчас в проекте не участвует.

Конкурсы и конференции
в которых мы участвовали
  • International Avicenna Youth Science Fair
    .
  • Asia Pacific Conference of Young Scientists 2022
Партнеры
  • Крупнейший поставщик решений безопасности дорожного движения в России
    ООО «МВС ГРУП» (Группа компаний «Урбантех»)
Связаться с нами

Почта: ugmgu.project@gmail.ru