контроль пассажиропотока для МОРШАНСКОГО АТП

Моршанск — административный центр Моршанского района, расположенный в 90 километрах к северу от Тамбова. Несмотря на свою небольшую площадь, Моршанск обладает развитой транспортной инфраструктурой и высоким пассажиропотоком, который необходимо контролировать.

Когда клиент обратился к нам, у него была типичная проблема: пассажиров в автобусах много, но точного учета нет, а значит, невозможно правильно анализировать выручку, загруженность маршрутов и рентабельность перевозок. Автопарк использовал старые методы подсчета, которые были далеки от идеала, к тому же по Постановлению Правительства №969 необходимо было обеспечить круглосуточное видеонаблюдение в салоне.

Задачи:

• Обеспечить точный учет пассажиров – исключить ошибки ручного подсчета, учитывать только реально вошедших в салон.
• Контролировать выручку – связать данные о пассажиропотоке с фактическими денежными поступлениями.
• Обеспечить мониторинг маршрутов и перемещений ТС в реальном времени.
• Реализовать онлайн-видеонаблюдение в соответствии с требованиями ПП №969.

Для решения этих задач автопарку требовалась система, способная автоматизировать подсчет пассажиров, повысить прозрачность финансовых потоков и упростить контроль за транспортом.

Мы предложили клиенту внедрить систему RDetector — интеллектуальное решение для автоматизированного учета пассажиропотока. Характеристики системы соответствуют Постановлению Правительства №969. Продукт зарегистрирован в Реестре Отечественного ПО. Одобрен Фондом Содействия инновациям.

Для работы системы потребовались видеорегистраторы с поддержкой 4G и GPS, которые позволяли передавать данные в реальном времени. Камеры выбирали антивандальные, с высоким разрешением и широким углом обзора, чтобы они охватывали все входные зоны автобуса. Помимо этого, закупили жесткие диски для хранения видео, SIM-карты для связи и необходимые кабели для подключения. Все оборудование должно было быть совместимо с системой диспетчеризации RDetector, чтобы обеспечить бесперебойную работу.

Следующим шагом стала инсталляция оборудования на борту автобусов. Камеры для подсчета пассажиров установили над входными дверями, а в салоне разместили дополнительные камеры, включая одну, направленную на водителя (в соответствии с требованиями ПП №969). Весь видеопоток записывается на жесткий диск видеорегистратора, после чего информация загружается на сервер RDetector и обрабатывается системой видеоаналитики.

После установки системы нам нужно было внести данные о каждом автобусе и откалибровать оборудование. Это включало настройку углов обзора камер, чтобы система четко фиксировала посадку и высадку пассажиров, а также корректировку соединений для бесперебойной передачи данных.

На этом этапе столкнулись с нештатной ситуацией: один из подростков повернул одну из камер в сторону, просто ради забавы. В результате система временно перестала правильно считать пассажиров. После этого случая мы предложили решение – зафиксировали крепления камер так, чтобы их нельзя было повернуть. Этот инцидент помог нам улучшить систему и исключить подобные проблемы в будущем.

После настройки система заработала в полную силу. Камеры фиксируют всех вошедших и вышедших пассажиров, передают данные в облако, где нейросеть анализирует видео и определяет реальное количество людей.

В интерфейсе программы владелец автопарка видит количество пассажиров с точностью до остановки, выручку по выбранному автобусу или всему автопарку, график изменения выручки за месяц. Также можно посмотреть загруженность маршрута по дням недели и времени. Если возникает спорный случай, то можно просмотреть видео запись из салона в указанный промежуток времени, что соответствует требования безопасности по ПП969.

Теперь владелец автопарка видит полную картину:

• Сколько пассажиров вошло и вышло на каждой остановке.
• Выручку по каждому автобусу и всему автопарку.
• Как изменяется пассажиропоток в зависимости от времени суток и дня недели.
• Какие маршруты перегружены, а какие можно оптимизировать.
• Возможность просмотреть видео любой спорной ситуации.

Первые тесты показали, что ночное освещение и блики иногда мешают точному подсчету. Мы доработали нейросеть:

• Обучили ее на реальных видеоданных из автобусов.
• Подобрали оптимальные модели подсчета для разного освещения.
• Улучшили распознавание людей в сложных условиях.

Чтобы клиенту было удобно работать с системой, мы сделали интуитивно понятный интерфейс личного кабинета с доступом через компьютер и телефон.

После успешного тестирования на 1 автобусе клиент убедился, что система работает надежно, и постепенно подключил еще 15 автобусов. Теперь автопарк работает без потерь в учете пассажиров, выручка рассчитывается автоматически, а все данные фиксируются в режиме реального времени.