КОММЕНТАРИЙ
ИИ на страже качества дорог и чистых дворовых проездов: опыт идет в регионы
Как говорят эксперты в области искусственного интеллекта, технология уже несколько лет применяется на транспорте и при дорожно-строительных работах. Нейросети могут использоваться и на этапе разработки дорожных проектов, и для содержания дорог (например, сообщать, где требуется очистка от снега в зимнее время), и для того, чтобы найти фрагменты дороги, требующие ремонта. Искусственный интеллект уже начал работу не только в центральных городах страны, но и в регионах. Спросили у экспертов отрасли, чем ИИ может быть полезен городским дорожных хозяйствам, а также каковы плюсы и минусы использования технологии.
Как заявляют практически все эксперты РЖД-Партнеру, ИИ на контроле состояния инфраструктуры – не новая затея.
“
Это крайне полезный инструмент, который дорожники и строители уже какое-то время применяют, чтобы отслеживать состояние дорожного полотна
В последнее время в информационном поле сообщения об использовании ИИ на дорогах стали появляться чаще. Так, в начале 2023 года департамент информационных технологий Москвы сообщал, что столица начала использовать мобильные комплексы для выявления недочетов в содержании объектов дорожного хозяйства с помощью технологий искусственного интеллекта (ИИ). «Нейронная сеть уже умеет находить ямы, стертую разметку, повреждения бортового камня, загрязнения остановок и дорожных знаков и другие нарушения», – сообщал ТАСС со ссылкой на пресс-службу департамента.
Ямы на дорогах внутри дворов – одно из нарушений, на которое должны обращать внимание камеры, работающие во дворах в Центральном, Петроградском, Василеостровском и Адмиралтейском районах и подключенные к специальному серверу с функцией обработки информации с помощью ИИ. Об этом стало известно в прошлом месяце. Технологию тестирует Государственная административно-техническая инспекция (ГАТИ).
«Специалисты ГАТИ посмотрели более 20 тысяч камер ГМЦ, которые смотрят на территории во дворах домов. Из этого количества отобрали порядка 900 точек, с которых четко просматриваются те или иные элементы благоустройства. С отобранных ракурсов нейросетевая система автоматически фиксирует такие нарушения, как навалы снега во дворе и снег возле парадных, посторонние графические изображения, переполненные контейнеры для сбора отходов, ямы во дворе и даже заснеженные скамейки в скверах. Всего более 12 видов нарушений», – сообщают в пресс-службе администрации Санкт-Петербурга.
Если говорить о регионах, то недавно о старте работы с технологией ИИ для анализа дорожной обстановки заявили власти Архангельска. Камеры, которые фиксируют состояние дорог перед транспортным средством, появились на автобусах двух маршрутов, которые проходят через весь город – и через центр, и через удаленные от него округа. С февраля видео анализирует искусственный интеллект и выявляет несоответствия критериям качества дороги. «Внедрение системы позволяет нам оперативно получать данные о заснеженности дорог, дефектах асфальтового покрытия и разметки, состоянии опор освещения и дорожных знаков. Программный комплекс дополняет работу департамента транспорта и подрядчиков по контролю за содержанием улиц: сразу становится ясно, где нужно сосредоточить усилия дорожных служб», – рассказал глава Архангельска Дмитрий Морев.
Эксперты, опрошенные РЖД-Партнером, сходятся во взглядах на плюсы применения ИИ. Достоинство технологии в том, что она работает оперативно и не требует дополнительных кадровых ресурсов.
Ямы на дорогах внутри дворов – одно из нарушений, на которое должны обращать внимание камеры, работающие во дворах в Центральном, Петроградском, Василеостровском и Адмиралтейском районах и подключенные к специальному серверу с функцией обработки информации с помощью ИИ. Об этом стало известно в прошлом месяце. Технологию тестирует Государственная административно-техническая инспекция (ГАТИ).
«Специалисты ГАТИ посмотрели более 20 тысяч камер ГМЦ, которые смотрят на территории во дворах домов. Из этого количества отобрали порядка 900 точек, с которых четко просматриваются те или иные элементы благоустройства. С отобранных ракурсов нейросетевая система автоматически фиксирует такие нарушения, как навалы снега во дворе и снег возле парадных, посторонние графические изображения, переполненные контейнеры для сбора отходов, ямы во дворе и даже заснеженные скамейки в скверах. Всего более 12 видов нарушений», – сообщают в пресс-службе администрации Санкт-Петербурга.
Если говорить о регионах, то недавно о старте работы с технологией ИИ для анализа дорожной обстановки заявили власти Архангельска. Камеры, которые фиксируют состояние дорог перед транспортным средством, появились на автобусах двух маршрутов, которые проходят через весь город – и через центр, и через удаленные от него округа. С февраля видео анализирует искусственный интеллект и выявляет несоответствия критериям качества дороги. «Внедрение системы позволяет нам оперативно получать данные о заснеженности дорог, дефектах асфальтового покрытия и разметки, состоянии опор освещения и дорожных знаков. Программный комплекс дополняет работу департамента транспорта и подрядчиков по контролю за содержанием улиц: сразу становится ясно, где нужно сосредоточить усилия дорожных служб», – рассказал глава Архангельска Дмитрий Морев.
Эксперты, опрошенные РЖД-Партнером, сходятся во взглядах на плюсы применения ИИ. Достоинство технологии в том, что она работает оперативно и не требует дополнительных кадровых ресурсов.
“
Нет необходимости постоянно обходить территории для фиксации неполадок и повреждений. Теперь достаточно установить аппаратный комплекс на всю городскую технику – автобусы, транспорт коммунальных служб и другие, которые будут двигаться по своим маршрутам, собирать данные и отправлять их диспетчеру
Основатель и СЕО компании Mirey Robotics Андрей Наташкин отмечает и высокую точность распознавания дефектов с помощью ИИ – она составляет порядка 90%. О том, что у технологии больше плюсов, чем минусов, говорит и тот факт, что ее распространяют на регионы. А. Наташкин приводит пример подобных проектов в содержании дворов: «Подобный проект реализуется в Москве с 2017 года. Искусственный интеллект умеет фиксировать порядка 25 различных нарушений, в том числе переполненные мусорные баки или неубранную от снега придомовую территорию. Этот проект был признан успешным, и сейчас обсуждается вопрос об использовании данного опыта в других регионах РФ».
Список минусов технологии в оценке экспертов получился более обширным. А. Смирнов считает, что он заключается в необходимости обучения ИИ.
Список минусов технологии в оценке экспертов получился более обширным. А. Смирнов считает, что он заключается в необходимости обучения ИИ.
“
Он обучается на загруженной выборке, идеальном цифровом двойнике, и с ним сравнивает текущие образцы. Мы все прекрасно понимаем, что дорога должна быть ровной, бортовой камень – выглядеть так, а не иначе. ИИ тоже это знает. Поэтому первое время, возможно, нейросеть будет видеть чрезвычайно много изъянов, учитывая состояние дорожной инфраструктуры
Руководитель группы защиты инфраструктурных ИТ-решений компании «Газинформсервис» Сергей Полунин отметил, что камнем преткновения при использовании ИИ для сохранения дорог может стать стоимость этого решения: «Чтобы ИИ продолжал трудиться, как это задумано, необходимы не только специалисты по его обслуживанию и поддержке, а также инфраструктура для его работы».
Член общественного совета при Ространснадзоре, директор Института транспортного планирования Российской академии транспорта Михаил Якимов считает, что применение искусственного интеллекта может быть экономически выгодным, так как оно существенно экономит бюджетные средства на проведение инструментальной диагностики состояния автомобильных дорог.
«В настоящий момент действует российский государственный стандарт, по которому производится контроль состояния дороги, а также описываются средства и инструменты проведения такого контроля. В ходе проведения диагностики автомобильных дорог контролируется не так много параметров. Всего три: ровность, наличие трещин или ям, а также коэффициент сцепления с дорожной одеждой. Первое контролируется горизонтально расположенной двухметровой линейкой. Второе – наличие ям и их глубина – контролируется и измеряется линейкой. Коэффициент сцепления измеряется дорожной лабораторией, фиксируется максимальный момент на катящемся по дороге валике, диске или резиновом колесе. Во всем мире уже довольно давно пытаются автоматизировать процесс контроля состояния дорожной одежды, чтобы заменить ручной инструментальный контроль (выезд и замеры отдельных ям) при помощи обработки видеоинформации», – рассказывает М. Якимов.
Научить искусственный интеллект оценивать дорожное полотно без перегибов технически реально, считает эксперт. Использование технологии особенно эффективно на общественном транспорте: «Транспорт двигается по установленным маршрутам, что существенно упрощает обучение, так как один и тот же подвижной состав с одной и той же камерой и видеооборудованием проходит несколько раз по одному и тому же участку дороги. Искусственный интеллект вполне четко может определить изъян в дорожной одежде, неровность, трещину, а также моменты их появления». В будущем использование технологии можно расширять: с помощью ИИ фиксировать сохранность дорожных указателей или знаков дорожного движения.
«В перспективе технологии искусственного интеллекта могут найти гораздо большее применение и в области транспорта общего пользования. В первую очередь это касается подсчета пассажиропотока, анализа дисциплины оплаты проезда в транспорте общего пользования. Подобные расчеты помогут в повышении анализ эффективности использования транспорта общего пользования на всей маршрутной сети города», – резюмирует М. Якимов.
Член общественного совета при Ространснадзоре, директор Института транспортного планирования Российской академии транспорта Михаил Якимов считает, что применение искусственного интеллекта может быть экономически выгодным, так как оно существенно экономит бюджетные средства на проведение инструментальной диагностики состояния автомобильных дорог.
«В настоящий момент действует российский государственный стандарт, по которому производится контроль состояния дороги, а также описываются средства и инструменты проведения такого контроля. В ходе проведения диагностики автомобильных дорог контролируется не так много параметров. Всего три: ровность, наличие трещин или ям, а также коэффициент сцепления с дорожной одеждой. Первое контролируется горизонтально расположенной двухметровой линейкой. Второе – наличие ям и их глубина – контролируется и измеряется линейкой. Коэффициент сцепления измеряется дорожной лабораторией, фиксируется максимальный момент на катящемся по дороге валике, диске или резиновом колесе. Во всем мире уже довольно давно пытаются автоматизировать процесс контроля состояния дорожной одежды, чтобы заменить ручной инструментальный контроль (выезд и замеры отдельных ям) при помощи обработки видеоинформации», – рассказывает М. Якимов.
Научить искусственный интеллект оценивать дорожное полотно без перегибов технически реально, считает эксперт. Использование технологии особенно эффективно на общественном транспорте: «Транспорт двигается по установленным маршрутам, что существенно упрощает обучение, так как один и тот же подвижной состав с одной и той же камерой и видеооборудованием проходит несколько раз по одному и тому же участку дороги. Искусственный интеллект вполне четко может определить изъян в дорожной одежде, неровность, трещину, а также моменты их появления». В будущем использование технологии можно расширять: с помощью ИИ фиксировать сохранность дорожных указателей или знаков дорожного движения.
«В перспективе технологии искусственного интеллекта могут найти гораздо большее применение и в области транспорта общего пользования. В первую очередь это касается подсчета пассажиропотока, анализа дисциплины оплаты проезда в транспорте общего пользования. Подобные расчеты помогут в повышении анализ эффективности использования транспорта общего пользования на всей маршрутной сети города», – резюмирует М. Якимов.