ИАИРО_ПР3_Z9411_Чурилов (2)
.doc
МИНИСТЕРСТВО НАУКИ И ВЫСШЕГО ОБРАЗОВАНИЯ РОССИЙСКОЙ ФЕДЕРАЦИИ
Федеральное государственное автономное образовательное учреждение высшего образования
«САНКТ-ПЕТЕРБУРГСКИЙ УНИВЕРСИТЕТ АЭРОКОСМИЧЕСКОГО ПРИБОРОСТРОЕНИЯ»
(ГУАП)
КАФЕДРА № 41
ОТЧЕТ ЗАЩИЩЕН С ОЦЕНКОЙ
ПРЕПОДАВАТЕЛЬ
к.т.н., доцент |
|
|
|
А.В. Яковлев |
должность, уч. степень, звание |
|
подпись, дата |
|
инициалы, фамилия |
ОТЧЕТ О ПРАКТИЧЕСКОЙ РАБОТЕ №3 |
Анализ информационных ресурсов общества на заданную тему с использованием менеджера библиографий и программ для построения ментальных карт |
по курсу: ИНФОРМАТИЗАЦИЯ И АНАЛИЗ ИНФОРМАЦИОННЫХ РЕСУРСОВ ОБЩЕСТВА |
РАБОТУ ВЫПОЛНИЛ
СТУДЕНТ ГР.№ |
Z9411 |
|
|
|
А. С. Чурилов |
|
|
|
подпись, дата |
|
инициалы, фамилия |
Санкт-Петербург 2023
A. S. Churilov*
student,
*St. Petersburg state University of aerospace instrumentation
VIDEO ANALYTICS IN THE TRANSPORT SYSTEM
Abstract
The report discusses the role of video analytics in the transport system, describes its application in various areas, including the safety of passenger transportation, monitoring, registration of traffic conditions and anti-terrorist security. The report also discusses the economic and legal aspects of ensuring the safety of air transport and emphasizes the importance of developing video analytics technology to ensure the safe operation of transport systems. In addition, the influence of the market environment, the requirements of the information sphere and technical means on the economic and legal aspects of the implementation of video analytics in the transport system is noted.
Keywords: Video analytics, security, transport.
УДК 658.511
А. С. Чурилов*
студент
*Санкт-Петербургский государственный университет аэрокосмического приборостроения
Видеоаналитика в транспортной системе
Аннотация
В сообщении рассматривается роль видеоаналитики в транспортной системе, описывается ее применение в различных сферах, включая безопасность пассажирских перевозок, мониторинг, регистрацию дорожной обстановки и обеспечение антитеррористической безопасности. В сообщении также рассмотрены экономико-правовые аспекты обеспечения безопасности воздушного транспорта и подчёркивается важность развития технологии видеоаналитики для обеспечения безопасного функционирования транспортных систем. Помимо этого, отмечается влияние рыночной среды, требований информационной сферы и технических средств на экономические и правовые аспекты реализации видеоаналитики в транспортной системе.
Ключевые слова: Видеоаналитика, безопасность, транспорт.
Стремительное развитие технологий изменило различные аспекты нашей жизни, и транспортная система не является исключением. С постоянно растущим объемом пассажиров и транспортных средств, пересекающих наши дороги, железные дороги и аэропорты, обеспечение безопасности и эффективности операций стало первостепенной задачей. В последние годы видеоаналитика стала мощным инструментом, революционизировавшим транспортную систему. Используя возможности искусственного интеллекта и компьютерного зрения, видеоаналитика предлагает бесценную и полезную информацию для повышения безопасности, мониторинга условий движения и повышения безопасности пассажиров. Нужно подчеркнуть важность дальнейшего развития технологии видеоаналитики для обеспечения бесперебойного и безопасного функционирования транспортных систем во все более сложном и взаимосвязанном мире. Углубившись в эти важные аспекты, мы можем получить полное представление об преобразующем потенциале видеоаналитики в формировании будущего транспорта и создании более безопасной и эффективной транспортной экосистемы.
В настоящее время камеры наблюдения повсеместно оснащаются транспортными средствами в системах общественного транспорта. В целях общественной безопасности крайне важно своевременно загружать записанные видеозаписи с камер наблюдения на удаленные серверы для резервного копирования и необходимой видеоаналитики[13].
Большим спросом в транспортной сфере пользуются технологии прогнозирования,
предиктивной аналитики. Уже сейчас накоплен колоссальный объем данных для оценки состояния эксплуатируемых единиц, выявления зарождений и развития аномалий и трендов, приводящих к незапланированным сбоям и нарушениям в работе, фиксации вероятности отказа и остаточного ресурса в режиме реального времени работы. Точное прогнозирование технического и качественного состояния позволяет предприятиям транспортной отрасли сокращать затраты на эксплуатацию оборудования, рекламационное обслуживание и повышать конкурентоспособность[3].
Большим спросом в транспортной сфере пользуются технологии прогнозирования, предиктивной аналитики. Уже сейчас накоплен колоссальный объем данных для оценки состояния эксплуатируемых единиц, выявления зарождений и развития аномалий трендов, приводящих к незапланированным сбоям и нарушениям в работе, фиксации вероятности отказа и остаточного ресурс в режиме реального времени работы. Точное прогнозирование технического и качественного состояния позволяет предприятиям транспортной отрасли сокращать затраты на эксплуатацию оборудования, рекламационное обслуживание и повышать конкурентоспособность[9].
Технологии видеоаналитики широко используются как в России, так и за рубежом. Например в Англии есть целое исследование о том, что нужно использовать как можно больше источников видео информации, для как можно лучшей работы транспортной системы[15].
Как зарубежный пример можно рассмотреть систему умного города, которая делает жизнь обычных жителей и городских служб проще в разы[12].
Одна из необходимостей видеоаналитики – это помощь людям с ограниченными способностями, которые в их силу могут стать жертвами несчастных случаев например в метро[11].
К примеру, в стратегии цифровой трансформации ОАО «РЖД» до 2025 г. принято целевое состояние процессов корпоративного управления. Оно включает:
– разработку систем поддержки принятия решений, использующих результаты обработки
– больших массивов данных, возможности искусственного интеллекта и прогнозные
модели;
– создание автоматизированных процессов управления в единой информационной среде;
– обеспечение необходимого уровня безопасности (движения, транспорта, экологической) в условиях внедрения технологий больших данных, роботизации бизнес-процессов и
искусственного интеллекта;
– специализированную подготовку и обучение работников в целях совершенствования
их способностей в условиях изменения технологической архитектуры и внедрения платформенного подхода[5].
Видеонаблюдение широко используется на железнодорожном транспорте в РФ и за рубежом для различных целей, главной из которых является охрана объектов. Функция повышения безопасности движения поездов отличается критериями и оценками эффективности СИВ[4].
В железнодорожном транспорте важно помнить про необходимость применения ситуационной видеоаналитики из-за следующих моментов:
– существенное снижение нагрузки на оператора (машиниста);
– повышение качества контроля обстановки;
– отсутствие необходимости постоянного наблюдения за всеми контролируемыми
направлениями;
– снижение влияния человеческого фактора;
– повышение производительности обработки событий операторами Центра
дистанционного контроля и управления (ЦДКУ);
– возможность контроля значительного количества поездов или зон наблюдения без
увеличения штата операторов[8].
В правоохранительной сфере тоже не сидят на месте, совместно с Минтрансом России, были предприняты меры по обеспечению защиты объектов транспортного комплекса от террористических угроз. Ряд правовых актов, и, в частности, Приказ Минтранса России от 8 февраля 2011 г. № 401, обязывает субъект транспортной инфраструктуры оснастить соответствующие объекты первой категории специальными техническими средствами и устройствами, позволяющими обеспечить транспортную безопасность, в том числе: идентификацию физических лиц и/или транспортных средств, являющихся объектами видеонаблюдения, на основании данных видеонаблюдения; обнаружение и распознавание характера событий, связанных с объектами видеонаблюдения; обнаружение физических лиц и транспортных средств, являющихся объектами видеонаблюдения, в конкретный период времени и по заданным координатам; сохранность на электронных носителях информации, полученной с интегрированных и синхронизированных систем транспортной безопасности; выявление в режиме реального времени лиц, представляющих потенциальную угрозу для объекта транспортной инфраструктуры и транспортных средств; обеспечение синхронизации с другими охранными комплексами и системами; фиксация посещений с использованием электронных ключей доступа объектов транспортной инфраструктуры и ее критических элементов в рамках пропускного режима персонала, членов экипажей и других авторизированных посетителей и т.д[1].
Как пример зарубежного аналога видеоаналитики, которая осуществляет помощь провоохранительным органам, можно привести Американскую систему ISIS. ISIS — это активный подход видеонаблюдения к снижению преступности и антиобщественного поведения в системах общественного транспорта, таких как например автобусы. Ключом к системе является идея композиции событий, в которой непосредственно обнаруженные атомарные события объединяются для вывода событий более высокого уровня с семантическим значением. Описана видеоаналитика, которая профилирует пол пассажиров и отслеживает их перемещение в трехмерном пространстве. Описана общая архитектура системы, которая объединяет бортовое распознавание событий с программным обеспечением диспетчерской по беспроводной сети для создания оповещения в реальном времени[14].
Неоспоримым преимуществом видеоаналитики перед классическим видеонаблюдением является сокращение временных затрат и количества сотрудников служб безопасности за счет концентрации на конкретных инцидентах, а не на просмотре всего видеоматериала за определенный временной промежуток. Еще одним преимуществом является экономия серверных мощностей за счет снижения объема хранимой информации. Так, система может начинать запись видеоматериала только при срабатывании триггера, например, при появлении движущегося объекта в зоне контроля[10].
Не стал исключением и метрополитен. Например, в рамках реализации программы «Цифровое метро» в октябре 2019 года мэр г. Москвы С.М. Собянин открыл единый диспетчерский центр (ЕДЦ) Московского метрополитена. ЕДЦ объединил в одном месте
основные Службы Московского метрополитена, в том числе Пункт управления транспортной безопасности. В рамках программы «Цифровое метро» сотрудники работают над проектами: в сфере транспортной безопасности; разрабатывают систему умного видеонаблюдения; цифрового контроля работы подвижного состава; а также в области инфраструктуры метрополитена[2].
Важный момент в видеоаналитике, это развитие видеокарт и графических процессоров в целом. Россия, в плане применения современных графических процессоров, продвигает свои технологии. Компания OCS представляет ИТ-рынкуновую систему искусственного интеллекта Nvidia DGX-1. Система разработана для глубокого обучения и GPU-ускоренного анализа данных и по производительности схожа с 200 серверами x86 архитектуры. Nvidia DGX-1 обеспечена всем необходимым техническим и программным обеспечением для задач глубокого обучения, набором инструментов разработки и поддерживает необходимые аналитические приложения с поддержкой графических процессоров[6].
Стоит упомянуть про подходы к экономико-правовым аспектам обеспечения разнонаправленных форм и видов безопасного функционирования и обслуживания в сфере авиационного транспорта. Они определяются внешними и внутренними факторами выстраивания платформы технологии защиты от угроз в рамках аэропортовых комплексов в целом и на авиалайнерах в частности. Формирование подходов к безопасному обслуживанию на воздушном транспорте будет способствовать выявлению форм и видов потенциальных угроз и определению направлений укрепления безопасности, а также поможет выстроить алгоритмы обеспечения безопасности как в аэропортовых комплексах, так и на борту авиалайнеров, предпосылки к формированию которых и прогнозы по эффективности применения авторы попытались сформулировать в предлагаемой статье[7].
Библиографический список
1. Александров А. Н., Столбина Л. В. Обеспечение безопасности на объектах транспортного комплекса: проблемы теории и правоприменительной практики // Проблемы Правоохранительной Деятельности. 2017. № 2.
2. Гученько В. И. Организация транспортной безопастности в ГУП «Московский метрополитен» // Форум Молодых Ученых. 2020. № 6 (46).
3. Епрынцева Н. А. Искусственный интеллект для железнодорожного транспорта // Информационные Технологии В Строительных, Социальных И Экономических Системах. 2021. № 1 (23).
4. Ивашевский М. Р. Системы видеонаблюдения на железнодорожном транспорте // Мир Транспорта. 2019. № 5 (84) (17).
5. Каспаров И. В., Попель А. А. Направления применения искусственного интеллекта в области железнодорожного транспорта // Актуальные Проблемы Современного Транспорта. 2021. № 4 (7).
6. Козлова А. В., Хирьянов Е. В. Современное состояние и перспективы применения графических процессоров в транспортной и промышленной сфере Сибирский государственный автомобильно-дорожный университет (СибАДИ), 2019.C. 424–428.
7. Кошелева Т. Н., Митрофанов С. В., Королёва Е. А. Экономико-правовые аспекты обеспечения безопасного обслуживания в сфере воздушного транспорта // Экономика, Предпринимательство И Право. 2022. № 4 (12).
8. Охотников А. Л. Ситуационная аналитика в системах технического зрения на железной дороге. термины и определения // Наука И Технологии Железных Дорог. 2021. № 2 (18) (5).
9. Самалыкова А. С., Габдуллин Т. Р. Автоматизированные системы управления дорожным движением, как метод разгрузки транспортной сети // Техника И Технология Транспорта. 2019. № 1 (10).
10. Чумляков К. С., Сауэр М. В. Обеспечение безопасности перевозок пассажиров путем применения системы видеоаналитики на автомобильном транспорте // Технико-Технологические Проблемы Сервиса. 2021. № 4 (58).
11. Cano A. R., Fernández-Manjón B., García-Tejedor Á. J. Downtown, a subway adventure: usinglearning analytics to improve the development of a learning game for people with intellectual disabilities 2016.C. 125–129.
12. Chan A. L. [и др.]. Practical experience with smart cities platform design 2018.C. 470–475.
13. Cui L. [и др.]. Edge learning for surveillance video uploading sharing in public transport systems // IEEE Transactions on Intelligent Transportation Systems. 2021. № 4 (22). C. 2274–2285.
14. Miller P. [и др.]. Intelligent sensor information system for public transport – to safely go… 2010.C. 533–538.
15. Nottle A. [и др.]. Distributed opportunistic sensing and fusion for traffic congestion detection 2017.C. 1–6.
Формирование ментальной карты
На рисунк, приведенном ниже, представлена ментальная карта. Данная схема является графическим отображением взаимосвязей между наиболее авторитетными авторами, использованных при написании работы научных публикаций.
|
|
|