В 2022 году пензенский стартап CodeInside представил в акселераторе проектно-образовательного интенсива «Архипелаг 2022» два проекта – «Умные парковки» и «Smart Traffic System» – для автоматизации и цифровизации процессов в системе «Умный город», развитие интеллектуальных транспортных систем.
На «Архипелаге» проекты прошли 10 защит перед инвесторами и индустриальными партнерами. После этого команда получила отклики экспертов и бизнеса, в числе которых «РЖД» и «Сколково», а также наладила плотное взаимодействие и запустила общий проект с одним из участников акселератора – «Велогород. Онлайн». О том, как сегодня развиваются проекты, – в нашем материале.
Влияние на развитие проектов
По словам лидера проекта CodeInside Максима Семенкина, акселератор «Архипелага 2022» помог команде посмотреть на проекты иным взглядом.
«В течение года после окончания акселератора перманентно занимались анализом рынка, проводили CustDev-интервью и дорабатывали продукт под актуальный запрос целевых сегментов. Это привело к пересмотру целевого рынка и функциональным изменениям продуктов.
Проведенная работа помогла нам доработать оба продукта, представить их в формате модульной системы и, в результате, начать продажи», – рассказал Максим Семенкин.
О продукте
Smart Traffic System – система аналитики по видеопотоку для города и бизнеса, основанная на технологиях компьютерного зрения (CV) и машинного обучения (ML).
Система состоит из 5 самостоятельных модулей для развития интеллектуальных транспортных систем (ИТС):
- мониторинг транспортного потока анализирует количество и тип транспортных средств
- мониторинг парковочного пространства определяет статус парковочного места – «занято» или «свободно»
- мониторинг парковочных сессий определяет начало и конец парковочной сессии
- распознавание государственных регистрационных номеров
- портал для административного управления автоматизированным парковочным пространством и пользовательское приложение парковок для автовладельцев
Расскажем об одном из этих решений.
Мониторинг транспортного потока
Система подсчитывает количество транспортных средств, определяет направление их движения и создает отчеты в соответствии с приказом Минтранса №114.
С помощью этого решения заказчики получают точные данные для работы. Например, транспортные и дорожные ведомства используют полученные данные для организации безопасного и комфортного дорожного движения, девелоперы, застройщики и рекламные агентства – для оценки проходимости выбранной локации и принятия взвешенного решения о запуске новых объектов.
В прошлом году систему занесли в реестр отечественного ПО, а в этом году компания получила свидетельство о государственной регистрации программы для ЭВМ от Роспатента.
Что умеет система?
- Распознавать ГРН и классифицировать транспортные средства (ТС) с точностью до 98%: автомобили, мотоциклы, велосипеды, автобусы, грузовые автомобили, автопоезда и автомобили с прицепом.
- Подсчитывать, распознавать и анализировать автотрафик с точностью до 99%
- Автоматически перенастраивать светофоры при интеграции с ИТС.
Из чего она состоит?
В начале года CodeInside запустил систему в промышленную эксплуатацию на вычислительном средстве семейства Jetson. Оптимальное использование ресурсов одноплатника позволило снизить требования к оборудованию, на котором запускается Smart Traffic System. Параллельно с промышленным запуском системы на Jetson, был осуществлен тестовый запуск системы на Rockchip.
Максим Семенкин, CEO CodeInside:
«Целевая аппаратная платформа для STS – одноплатники семейства NVidia Jetson. Оптимальное использование архитектуры Jetson позволяет достичь производительности, сравнимой с классическим видеокартами NVidia. Чтобы избежать зависимости от единственного вендора, мы исследуем другие целевые архитектуры. В частности, достигли положительного результата на одноплатниках на базе Rockchip – большинство функционала уже демонстрирует сравнимую производительность и качество».
Кроме этого, доработали административную панель для управления ПО: в том числе, добавили удобный редактор, который позволяет самостоятельно размечать зоны детекции в виде полигонов без участия разработчиков.
Преимущества системы
- прозрачная отчетность – система формирует отчет, готовый к загрузке в АСУ ТК (Автоматизированную систему управления транспортным комплексом)
- простая интеграция – может интегрироваться с городской инфраструктурой видеонаблюдения или другими системами «Умного города»
- различные области применения – полученные данные помогут принять решение о запуске парковки, стройке ЖК, открытии филиала банка, ресторана или торгового центра
- гибкость решения – доработка и модернизация функционала под любой запрос Заказчика
- высокая производительность – низкие требования к вычислительной мощности позволяют считать трафик 24/7
В чем выгода установки системы?
Для города
- повышение пропускной способности перекрестков на 25% в обычное время и 10-20% в час-пик
- сокращение затрат на ручную перенастройку светофоров
Бонус: сокращение количества пробок
- предотвращение ДТП – перераспределение и/или внедрение дорожных знаков
Для бизнеса
- определение уровня проходимости выбранного участка дорожного полотна для принятия решения о строительстве ЖК/ТЦ/БЦ/парковки или размещения рекламных носителей.
- увеличение скорости логистических процессов на предприятиях на 90% за счет распознавания ГРН как альтернативы КПП и навигации внутри
- сокращение издержек при найме персонала на 80% (перераспределение на целевые места)
Текущие результаты
В 2022 году запустили пилотные проекты, затем стартовали продажи системы в Пензенской, Калининградской областях и г. Санкт-Петербург.
На данный момент CodeInside сотрудничает с федеральным интегратором и продолжает вести переговоры с крупнейшим перевозчиком российской сети железных дорог.
Вышли на переговоры с производителем дизельных грузовых автомобилей и дизельных двигателей, а также автомобилестроительным предприятием.
В 2022 году подписали договор с ГБУ Пензенской области «Безопасный регион». В начале 2023 года начали работу над созданием алгоритма прогнозирования загруженности транспортных потоков совместно с экспертами Пензенского государственного университета в рамках развития интеллектуальной транспортной системы региона.
Также команда обрабатывает запрос по видеоаналитике загрузки открытых спортивных площадок для города Калининград: сколько люди проводят за занятием на том или ином тренажере для дальнейшего развития спортивной инфраструктуры.
На момент подготовки этого материала, в рамках поставленной задачи, команда уже разработала демо-версию решения на основе технологий машинного обучения (ML) и компьютерного зрения (CV).
Дмитрий Галкин, CCO CodeInside:
«Важно, что данный проект интересен не только городу, но и бизнесу, причастному к поддержанию развития спортивной инфраструктуры, например, производителям спортивного оборудования.
Сотрудничество между государством и бизнесом для развития спортивной инфраструктуры позволит своевременно обновлять устаревшее оборудование или заменять имеющееся, но не пользующееся спросом у жителей.
По итогу удачного развертывания проекта в Калининграде, будет произведено масштабирование системы на другие регионы Российской Федерации.
Подобный опыт использования системы видеоаналитики, на основе технологий ML и СV, может быть полезен и в других сферах, где заинтересованными сторонами могут выступать как государственные, так и коммерческие структуры».
