Парковки, умный город, девелопмент, ритейл

Автоматизация парковки: распознавание номеров авто для быстрого доступа

Автоматизированная система распознавания номерных знаков для управления парковками. Обеспечивает стабильный контроль въезда и выезда, повышает пропускную способность и снижает операционные затраты в городских условиях.

Заказчик Park Cloud — поставщик программных решений для управления и монетизации парковочных площадок, используемых в коммерческой и городской инфраструктуре.

Задача Разработать систему автоматического распознавания транспортных средств и номерных знаков перед шлагбаумами и воротами. Повысить ценность парковочного решения для конечных клиентов Park Cloud за счёт автоматического контроля въезда и выезда, снижения операционных затрат и упрощения масштабирования парковок.

Срок 2020-2023 г.

О проекте

Проект представляет собой локальную серверную систему управления въездом и выездом для парковок, развернутую на edge-устройстве (Raspberry Pi) и интегрированную с платформой Park Cloud. Решение объединяет распознавание номерных знаков, управление шлагбаумами и работу в офлайн-сценариях с нестабильным интернетом.

Система поддерживает несколько режимов работы — с компьютерным зрением и без него, обрабатывает команды через очередь сообщений и обеспечивает устойчивую работу парковки даже при временной потере связи с центральным сервером

Срок 2020-2023 г.

в 2 раза

сократилась стоимость обслуживания парковки за счет автоматизации въезда и контроля

Анализ инфраструктуры Park Cloud и условий эксплуатации

Изучили архитектуру ParkA, сценарии работы локальных серверов, требования к отказоустойчивости, режимы работы с распознаванием и без него, а также реальные ограничения на объектах.

Проектирование локальной архитектуры на edge-устройстве

Спроектировали работу локального сервера на Raspberry Pi с поддержкой нескольких режимов: с распознаванием номеров, без распознавания и с управлением шлагбаумом по внешней команде.

Адаптация и доработка модулей распознавания и управления

Обновили интеграцию с API распознавания номеров, реализовали управление шлагбаумом через очередь сообщений и реле, обеспечив совместную работу всех модулей на одном устройстве.

Реализация автономной связи и устойчивости к сбоям

Разработали отдельный модуль мобильного интернета с мониторингом соединения и автоматическим восстановлением связи для стабильной работы парковки.

Тестирование, документация и ввод в эксплуатацию

Провели локальные и объектовые испытания, подготовили техническую и пользовательскую документацию и передали решение в промышленную эксплуатацию команде Park Cloud

1 место

Технология распознавания, которая легла в основу проекта, заняла первое место на всероссийском конкурсе Digital Kazan 2020 и получила отраслевое признание.

Технологический стек

Frontend

Интерфейс пользователя: отчеты, графики, панели управления

Backend

Логика обработки и базовые компоненты системы

ML

Модели и фреймворки для обучения

Вызовы и решения

Ограниченная производительность Raspberry Pi 4 становилась узким местом всей парковочной системы

Распознавание и обработка кадров на Raspberry Pi 4 не обеспечивали нужной производительности для реального транспортного потока: время реакции увеличивалось, проезд автомобилей замедлялся, возрастал риск очередей на въездах и выездах, а также операционных сбоев на объектах.

РЕШЕНИЕ

Перенесли вычисления на NVIDIA Jetson Nano

Перенесли вычисления на более производительное edge-устройство (NVIDIA Jetson Nano) и оптимизировали пайплайн под аппаратное ускорение. Это позволило сократить задержки, стабилизировать время обработки и обеспечить работу системы в реальных городских условиях.

Интеграция с текущей платформой ParkA/Park Cloud без ограничений существующих сценариев

Нужно было встроить распознавание и управление шлагбаумом в действующую архитектуру заказчика так, чтобы не менять пользовательские процессы и не «перепрошивать» всю платформу.

РЕШЕНИЕ

Обновление модуля

Обновили модуль взаимодействия с API распознавания под новый формат (пути, заголовки, поля запросов) и реализовали управление шлагбаумом по команде из backend через очередь RabbitMQ (без обязательного распознавания номера и запроса изображения).

Два независимых контура управления шлагбаумом на одном устройстве (без конфликтов)

В реальных инсталляциях шлагбаум может открываться как «логикой платформы», так и напрямую через реле — и оба сценария должны работать параллельно на одном edge-сервере, не мешая друг другу.

РЕШЕНИЕ

Интеграция в локальный сервер

Интегрировали модуль открытия шлагбаума через реле в локальный сервер так, чтобы оба компонента были развёрнуты на одном устройстве и корректно разделяли ресурсы/доступы.

Нестабильная связь на объектах и необходимость «резервного режима» без распознавания

На части парковок интернет нестабилен — а бизнесу важнее предсказуемая работа проезда, чем «идеальная» логика распознавания любой ценой.

РЕШЕНИЕ

Конфигурируемые режимы

Заложили конфигурируемые режимы работы локального сервера — «с моделью» и «без модели» (в последнем случае отключаются опрос камеры и распознавание, а открытие идёт по команде сервера ParkA), плюс отдельный модуль работы с мобильным модемом и подбор железа под связь на объекте.

до 95%

точность распознавания номерных знаков в реальных условиях

х 2

рост пропускной способности парковки

в 2 раза

снижение операционных затрат на обслуживание парковок

Команда, которая внедрила проект

Константин Порошкин

ML-инженер

Алексей Цибульников

Python backend-разработчик

Роман Фёдоров

Бизнес-аналитик

Никита Латышонок

CV-инженер

Дмитрий Соркин

DevOps-инженер

Марк Яговкин

Руководитель разметки данных

Планы на будущее:

Расширение поддержки типов транспорта и развитие аналитики парковок

Готовые проекты

Наша команда с 2017 года успешно реализовала 60 проектов с искусственным интеллектом. Тут собраны наши лучшие работы, про которые мы можем рассказать, про некоторые совсем немного, а некоторые мы вообще не можем тут упомянуть из-за NDA. Но готовы применять опыт в разработке нейросетей для ваших задач.