co-operative mobility services of the future comosef
TRANSCRIPT
1
Co-operative Mobility Services of the Future
CoMoSeF
RAPORT DE ETAPĂ
CERINŢE ŞI ARHITECTURĂ
ETAPA I 2012
Coordonator:AROBS Transilvania Software
Partener: Universitatea Tehnică din Cluj-Napoca
Director de proiect: Ing. Voicu Oprean
2
Conţinut
Rezumat
1. Identificarea nevoilor utilizatorilor şi a scenariilor relevante
1.1. Monitorizarea şi eficientizarea unei flote comerciale
1.2. Prevenţia accidentelor în care sunt implicaţi pietoni
1.3. Îmbunătăţirea vizibilităţii în condiţii de ceaţă
1.4. Creşterea siguranţei prin asistarea inteligentă în vederea unei conduite
preventive
1.5. Optimizarea rutelor
2. Cerinţele sistemului
2.1. Colectarea locală a datelor de la vehicul
2.2. Comunicarea între vehicul şi central ITS
2.3. Sistem senzorial bazat pe cameră monoculară/termală (cu infraroşu)
2.4. Detecția pietonilor
2.5. Detecția ceții
2.6. Construirea şi actualizarea unei hărţi globale extinse
2.7. Rutare inteligentă pe baza hărții extinse
3. Arhitectura sistemului
3.1. Dispozitiv de monitorizare a vehiculului
3.2. Harta globală extinsă
3.3. Sistem de asistare pentru detecţia pietonilor
3.4. Sistem de asistare pentru detecţia ceţii şi îmbunătăţirea vizibilităţii
3.5. Sistem de navigaţie bazat pe rutare inteligentă
4. Proiectarea unui prototip
5. Concluzii
6. Referințe bibliografice
3
Rezumat
Pentru identificarea nevoilor şi scenariilor relevante s-a făcut o analiză în
următoarele direcţii de interes: monitorizarea şi eficientizarea unei flote comerciale,
prevenţia accidentelor în care sunt implicaţi pietoni, îmbunătăţirea vizibilităţii în condiţii
de ceaţă, creşterea siguranţei prin asistarea inteligentă în vederea unei conduite preventive,
optimizarea rutelor.
Din aceste direcții de interes s-au dedus cerințele funcționale ale sistemului și
anume: colectarea locală a datelor de la vehicul, comunicarea între vehicul şi central ITS,
sistem senzorial bazat pe cameră monoculară/termală (cu infraroşu), detecția pietonilor,
detecția ceții, construirea şi actualizarea unei hărţi globale extinse, rutare inteligentă pe
baza hărții extinse.
S-a definit apoi arhitectura sistemului conţinând următoarele componente
principale: dispozitiv de monitorizare a vehiculului, harta globală extinsă, sistem de
asistare pentru detecţia pietonilor, sistem de asistare pentru detecţia ceţii şi îmbunătăţirea
vizibilităţii, sistem de navigaţie bazat pe rutare inteligentă.
Următoarea etapă a fost proiectarea unui prototip care definește un sistem
funcțional pe baza componentelor propuse anterior.
4
1. Identificarea nevoilor utilizatorilor şi a scenariilor relevante
1.1. Monitorizarea şi eficientizarea unei flote comerciale
Flotele de vehicule comerciale joacă un rol important în economia europeană.
Statisticile oficiale estimează un număr de 35,5 milioane vehicule comerciale în folosinţă
în Europa în 2008. Dintre acestea 6,2 milioane sunt camioane medii şi grele responsabile
pentru 75% din transportul european, generând o industrie de 250 miliarde euro.
Studiul Berg Insight [1] este de părere că piaţa de management a flotelor
comerciale a intrat într-o perioadă de creştere care va dura şi în anii ce urmează. Numărul
de sisteme de monitorizare a flotelor este estimat să crească de la 2 milioane unităţi la
finalul lui 2010 la 5 milioane unităţi în 2015. Rata de penetrare în cadrul vehiculelor
comerciale este estimată să crească de la 6,9% în 2010 la 17,6% în 2015.
Nevoile la care încearcă să răspundă aceste sisteme de management şi monitorizare a
flotelor sunt:
● reducerea cheltuielilor cu orele suplimentare plătite, datorită unui control mai
eficient al orelor lucrate efectiv
● prelungirea duratei de viaţă a vehiculelor şi diminuarea uzurii parcului auto datorită
eliminării cazurilor de viteză excesivă
● reducerea costurilor cu combustibilul prin detectarea şi eliminarea furturilor de
combustibil şi taxarea călătoriilor în interes personal
● control activ al parcului auto prin urmărirea în timp real a întregii flote
● reducerea costurilor operaţionale cu flota auto prin eliminarea timpilor morţi,
alocarea eficientă a maşinilor pe traseu şi diminuarea cheltuielilor cu piesele auto şi
service-ul printr-o utilizare raţională a flotei.
Fig. 1.1. Evoluția predictivă a numărului de sisteme de monitorizare a flotelor
1.2. Prevenţia accidentelor în care sunt implicaţi pietoni
Rata ridicată a accidentelor rutiere din întreaga lume a motivat în mod deosebit
implementarea de aplicații de asistență a conducătorului auto, care să poată face posibilă
reducerea numărului acestora. Pentru a ilustra amploarea acestei probleme să considerăm
5
numărul de accidente rutiere din statele Uniunii Europe. Statisticile de bază oferite de
Comisia Europeană [2] arată că în anul 2010 s-au înregistrat un număr de cca. 1,1 milioane
de accidente rutiere soldate cu 30000 de morţi şi aproximativ 1,5 milioane de persoane
rănite. Trend-ul este unul descendent de-a lungul ultimilor 10 de ani, urmărindu-se
reducerea continuă și rapidă a acestor evenimente nedorite.
Fig. 1.2. Evoluția numărului de accidente soldate cu morți sau răniți în U.E.
Pietonii sunt cei mai vulnerabili participanţi la traficul urban. În ultima decadă
problema detecției pietonilor a atras un interes ridicat din partea autorităților naționale și
internaționale, a industriei auto și a comunității științifice, toate urmărind creșterea
siguranței lor în trafic.
Sistemele de asistare a conducătorului auto care detectează din timp situaţiile
potenţial periculoase cu pietoni, fără îndoială, măresc siguranţa în trafic a pietonilor. Rata
de detecţie a acestora trebuie să fie ridicată pentru a nu emite alarme false conducătorului
auto, dar totodată și pentru a nu avea situații periculoase cu pietoni nedetectaţi.
Puterea de procesare a telefoanelor mobile și a tabletelor din zilele noastre permit
implementarea de aplicații pentru detecția pietonilor și avertizarea șoferului în caz de
pericol iminent de impact cu un pieton.
O astfel de aplicație este MobilEye 5 care folosește telefonul mobil pentru achiziția
imaginilor și afișarea avertismentelor, dar care realizează procesarea pe o unitate de calcul
separată cu putere de procesare mult mai mare, existând evident comunicare între cele
două dispozitive [3]. Aceasta emite o alertă (afișează o iconiță cu un pieton roșu) la
posibila coliziune a ego-vehiculului cu un pieton sau cu un biciclist aflat în fața mașinii
(vezi Figura 1.3.a). De asemenea și intrarea unui pieton în zona periculoasă din fața
mașinii este semnalizată (afișează intermitent o iconiță cu un pieton portocaliu) (vezi
Figura 1.3.b). Semnalele vizuale sunt însoțite și de alerte sonore, acestea fiind emise cu
până la două secunde înaintea unui eventual impact.
6
Fig. 1.3. Alerte emise de aplicația MobilEye 5:
a) coliziune iminentă cu un pieton b) pericol de intrare a unui pieton pe carosabil
Scenariile relevante identificate propuse pentru avertizarea conducătorului auto în
eventuala situație de coliziune iminentă cu un pieton sunt:
● Ego-vehiculul (G) se apropie cu viteză de un pieton aflat în fața acestuia, în
trecere/staționar pe suprafața carosabilă. Timpul calculat, rămas până la o eventuală
coliziune, este suficient de mic reprezentând o situație deosebit de periculoasă
pentru viața pietonului. În acest caz trebuie emisă șoferului o alertă imediată și
eventual acționate automat frânele autovehiculului
Fig. 1.4. Scenariu de coliziune iminentă cu un pieton
● Ego-vehiculul (G) se apropie cu viteză de un pieton aflat pe trotuar, aflat în câmpul
vizual al senzorilor și care este în mișcare spre banda de circulație cu intenția de a
trece drumul neregulamentar. Din estimarea mișcării pietonului și din viteza ego-
vehiculului se constată că va avea loc o coliziune. În acest caz trebuie emisă
șoferului o alertă de reducere a vitezei pentru salvarea vieții pietonului
.
Fig. 1.5. Scenariu de posibilă coliziune cu un pieton
● Ego-vehiculul (G) se apropie cu viteză mult prea mare față de o trecere de pietoni
semnalizată. Pe trotuar se află mai mulți pietoni staționari, aflați în câmpul vizual al
senzorilor ego-vehiculului. Aceștia pot oricând să înceapă traversarea drumului,
7
existând pericolul ca (G) să nu poată frâna la timp, punându-le viața în pericol. În
acest caz trebuie emisă șoferului o alertă de reducere imediată a vitezei ego-
vehiculului pentru a evita eventuala coliziune cu pietonii.
Fig. 1.6. Scenariu de viteză mare a ego-vehiculului și pericol pentru pietoni
1.3. Îmbunătăţirea vizibilităţii în condiţii de ceaţă
Ceața este un fenomen meteorologic care afectează vizibilitatea conducătorilor auto
în trafic, reducând vizibilitatea orizontală sub 1000 de metri. La o anumită temperatură
(sub punctul de rouă) cantitatea de vapori de apă din aer se poate mări substanțial până
când vaporii devin saturaţi. Din cauza condensării, vaporii de apă nu mai sunt doar în stare
gazoasă şi încep să se condenseze în mici picături de apă. Aceste picături, fiind în
suspensie în diferite straturi de aer deasupra solului, micşorează transparența aerului
provocând astfel fenomenul de ceaţă [4].
Atunci când vizibilitatea este între 1000 şi 5000 de metri avem de-a face cu
fenomenul de negură (mist).
Pentru a dezvolta un sistem complet de asistare a conducerii trebuie luate în
considerare şi condiţiile meteo nefavorabile. În condiţii de ceaţă distanţa faţă de vehiculul
din faţă este percepută de către un conducător auto cu aproximativ 60% mai mare decât în
condiţii normale, acest fapt mărind gradul de periculozitate şi numărul de accidente din
cauza condiţiilor meteorologice de ceaţă [5], [6].
Efectele ceţii asupra vizibilităţii conducătorului auto:
● Distorsionează percepţia de viteză. Din cauza contrastului scăzut, conducătorul
auto are impresia că un autovehicul se deplasează mai încet decât în realitate.
Acelaşi lucru se întâmplă şi cu viteza propriului vehicul.
● Distorsionează percepţia asupra mişcării obiectelor. Conducătorul auto are
probleme în a distinge între maşinile care se deplasează şi maşinile care staţionează
● Distorsionează percepţia de distanţă. Conducătorul auto percepe obiectele ca fiind
la o distanţă mai mare decât în realitate.
● Condiţiile de vizibilitate pot fi înrăutăţite de către conducătorul auto. De exemplu,
şofatul cu fază lungă pe timp de noapte în condiţii de ceaţă, înrăutăţeşte condiţiile
de vizibilitate deoarece mai multă lumină va fi reflectată înapoi către şofer astfel
reducând şi mai mult distanţa de vizibilitate. [7]
Aşadar, condiţiile de ceaţă măresc riscul de accidente. Din această cauză
îmbunătăţirea vizibilităţii în condiţii de ceață ar reduce mult riscul de accidente.
8
1.4. Creşterea siguranţei prin asistarea inteligentă în vederea unei
conduite preventive
Conduita preventivă la volan este unul din principalii factori care influenţează
direct numărul de accidente înregistrate în trafic. O conduită preventivă crescută din partea
tuturor participanţilor la trafic reduce semnificativ incidența evenimentelor rutiere cu sau
fără victime umane. Pe lângă pierderile umane, imposibil de evaluat, orice accident
comportă pierderi materiale.
Un studiu din Statele Unite ale Americii a relevat că în anul 2010 costurile
medicale şi pierderile de productivitate înregistrate din cauza evenimentelor rutiere în care
au fost implicate autovehicule s-au cifrat la aproximativ 99 miliarde de dolari americani,
adică aproximativ 500$ pentru fiecare permis de conducere de pe teritoriul SUA [8].
Având în vedere că o conduită preventivă ridicată va ajuta la salvarea de vieţi
omeneşti dar şi la limitarea sau eliminarea unor costuri directe cu îngrijirile medicale şi
indirecte prin imposibilitatea victimelor de a-şi continua activitatea, asistarea
conducătorilor auto în acest sens devine o necesitate de prim rang.
Un alt element important care influenţează comportamentul în trafic este starea
tehnică a vehiculelor care participă la trafic. Presiunea în pneuri, sistemul de frânare şi de
iluminare pe de o parte şi sistemul de direcţie pe de altă parte sunt factori determinanţi în
desfăşurarea în siguranţă a unui itinerariu propus.
Un studiu al Registrului Auto Român efectuat în perioada 01.04.2012 - 30.06.2012
relevă faptul că 20,4% dintre autovehiculele verificate au fost considerate de inspectorii
RAR ca prezentând pericol iminent de accident.
Fig. 1.7. Procentajul de vehicule neconforme care prezintă pericol iminent de accidente [9]
1.5. Optimizarea rutelor
Transportul, ca o activitate esenţială în distribuţia mărfurilor, cunoaşte o o gamă
largă de abordări în sensul încercărilor de optimizare a acestui proces. Minimizarea
costurilor, a distanţelor de transport şi nu în ultimul rând a timpului de transport sunt
problemele fundamentale cu care se confruntă firmele care lucrează în logistică, în
încercarea de a realiza o livrare optimă a produselor către clienţii finali.
Creşterea preţurilor combustibilului pune presiune pe fiecare firmă de distribuţie.
Combinând algoritmi avansaţi de optimizare cu soluţiile de hărţi din ziua de azi, şi cu
evenimentele de trafic ce provin de la ITS, costurile pot fi reduse semnificativ,
îmbunătăţind în acelaşi timp serviciile către consumatori.
În zona urbană, în ceea ce priveşte livrarea mărfurilor, datorită numeroaselor
restricţii pe care le induce acest spaţiu, precum şi numărului mare de elemente care trebuie
9
luate în calcul şi care influenţează transportul, soluţiile de optimizare a rutelor sunt extrem
de complexe, iar numărul de algoritmi şi modele generate este de asemenea mare.
2. Cerinţele sistemului
2.1. Colectarea locală a datelor de la vehicul
În vederea dezvoltării unui sistem eficient de monitorizare a vehiculului conform cerinţelor
utilizator descrise în primul capitol, ne propunem colectarea următoarelor informaţii
relevante:
● poziţia curentă
● viteza instantanee
● acceleraţia
● frânare bruscă
● schimbarea bruscă a direcţiei
● temperatură
● consumul de combustibil
● date despre solicitarea motorului (turaţie, supraîncălzire etc)
Ne dorim ca aceşti parametri sa fie citiți cu o frecvență de cel puţin o dată pe secundă.
Datele vor fi salvate într-un buffer local şi vor putea fi consumate de aplicaţii de asistare
ori transmise la un serviciu de monitorizare flotă.
2.2. Comunicarea între vehicul şi central ITS
ITS centralizează datele primite de la vehicule. Acestea stau în permanenţă în
legătură cu ITS transmiţându-şi datele proprii cum ar fi poziţia, viteza, direcţia, destinaţia
şi alte date relevante. Posibilităţile de comunicaţie pot însă diferi în funcţie de zona
geografică în care se află vehiculul şi de echipamentele existente în acele locuri.
Canalul de comunicație. Canalele de comunicaţie larg utilizate sunt WiFi, GPRS, prin satelit sau, în cazuri
mai restrânse, chiar Bluetooth. Fiecare din aceste tehnologii au atât avantaje cât şi
dezavantaje, însă combinarea lor poate aduce în prim plan beneficiile.
Comunicaţiile prin GPRS [10] sunt comunicaţii radio care au un grad ridicat de
accesibilitate, acoperind în mare parte teritoriul de activitate, în special cea economică,
însă fiabilitatea lor este redusă, motiv pentru care dispozitivele care folosesc această
tehnologie de comunicaţie trebuie să prevadă stocarea temporară a datelor până în
momentul în care comunicaţia se restabileşte. Totuşi, această reţea radio acoperă în special
zonele active din punct de vedere economic, lăsând la o parte celelalte zone mai puţin
importante.
Pentru o accesibilitate maximă, comunicaţia prin satelit [11] este ideală. De
exemplu reţeaua Iridium [12][13] este o constelaţie de sateliţi care oferă atât acoperire de
date cât şi de voce pe întreaga suprafaţă a planetei. Totuşi, dezavantajul este legat de preţ
pentru că menţinerea unei reţele de sateliţi este costisitoare, fapt ce creşte costul de
comunicaţie prin această tehnologie.
10
Fig. 2.1. Constelația de sateliți Iridium
În ultima perioadă însă, s-au dezvoltat echipamente inteligente care ştiu să combine
avantajele specifice fiecărui canal de comunicaţie. Aceste echipamente pot detecta
prezenţa unui canal sau a altuia şi pot comuta automat pe canalul cel mai ieftin prezent la
acel moment.
Protocol de comunicație Indiferent de canalul de comunicaţie folosit, comunicaţia între diferitele
componente active ale sistemului se bazează pe un protocol de comunicaţie prin care
datele relevante sunt împachetate şi trimise prin canalul de comunicaţie activ.
Proiectarea şi implementarea unui protocol de comunicaţie are impact direct asupra
vitezei de transmisie şi a costurilor aferente, având în vedere că tehnologiile wireless cu
acoperire mare de regulă taxează cantitatea de date transmise prin respectivul canal.
De asemenea, protocolul de comunicaţie influenţează direct gradul de
interactivitate între dispozitive. Există protocoale unidirecţionale, care funcţionează într-un
singur sens, de la sursă la destinaţie, şi protocoale bidirecţionale care suportă comunicaţie
în ambele sensuri.
Comunicaţia unidirecţională este utilă atunci când se doreşte doar colectarea
datelor de către un server central, cum ar fi rapoartele de poziţie trimise de vehicul către
ITS.
Comunicaţia bidirecţională o include pe cea unidirecţională adăugând şi
posibilitatea de control de la distanţă a dispozitivelor prin trimiterea de parametri de
configurare sau a diverselor comenzi. De exemplu, unui echipament i se poate trimite o
comandă de reiniţializare, de interogare a configuraţiei curente sau de autodiagnosticare,
ș.a.m.d.
Comunicaţia bidirecţională presupune şi un mecanism de confirmare a transmisiei,
deoarece din cauza caracterului asincron al comunicaţiei, fiecare mesaj trebuie confirmat
de către receptor, astfel încât emiţătorul nu doar să primească o confirmare de primire, ci
chiar şi un indicator al rezultatului acţiunii executate de către destinatarul mesajului.
Protocoalele de mesaje pot fi de tip proprietar sau standardizate.
11
Fig. 2.2. O comparație între câteva protocoale de mesaje [14]
2.3. Sistem senzorial bazat pe cameră monoculară/termală (cu infraroşu)
Conducerea unui automobil în mediul urban sau pe autostradă este o misiune
uneori dificilă. Abilitatea şoferului de a conştientiza şi de a controla contextul de
conducere auto este limitată de complexitatea situaţiei din trafic (drum dificil, trafic greu),
de condiţiile meteo (ceaţă, conducere pe timpul nopţii, ploaie, ninsoare) sau de starea de
spirit a şoferului (oboseală, neatenţie sau alţi factori perturbanţi cum ar fi vorbitul la
telefon). Aşadar este important să se dezvolte un sistem care îmbunătăţeşte percepţia
mediului exterior şi avertizează şoferul în situaţiile dificile. Un astfel de sistem trebuie să
ajute şoferul dar în acelaşi timp nu trebuie sa reducă participarea activă a şoferului la
condus (dacă şoferul se bazează prea mult pe un astfel de sistem poate să nu reacţioneze la
timp în situaţii limită pentru care sistemul de asistare nu a fost proiectat).
Captarea informaţiei de context din mediul înconjurător pentru conducerea auto
necesită o analiză şi o fuzionare a datelor de la mai mulţi senzori. Pentru dezvoltarea unui
sistem robust de captare şi reprezentare a contextului din mediul exterior se pot folosi
diferite tipuri de senzori cum ar fi camere video, radare, camere cu infraroşu. Senzorii
trebuie să opereze corect şi robust într-o mare varietate de condiţii de mediu. Viziunea este
o modalitate primară de captare a informaţiei (deoarece şofatul este considerat a fi o
activitate ghidată vizual). Aceasta se foloseşte pentru achiziţionarea informaţiei despre
contextul vizual care include condiţiile de trafic şi regiunea de drum pe care merge
autovehiculul. Regiunea înconjurătoare a vehiculului cuprinde benzile de circulaţie, alte
autovehicule participante la trafic, alte obstacole şi pietoni. Pentru proiectul de faţă,
această regiune de interes pentru şofer trebuie percepută şi apoi modelată cu ajutorul
informaţiei de la două tipuri de senzori: o cameră termală si o cameră video (care poate fi
12
de la un dispozitiv mobil). Informaţia monoculară de la cele două tipuri de camere video şi
termală poate fi fuzionată pentru îmbunătăţirea performanţei algoritmilor.
Cerinţele unei camere monoculare a unui dispozitiv mobil sunt:
● Rezoluţie suficient de mare (imaginile captate trebuie să fie de calitate, să fie
corupte cât mai puțin de zgomot). Dispozitivele mobile slabe au o rezoluţie de
320x240 de pixeli şi un “frame rate” (viteză de derulare) de 15 cadre pe secundă
(fps). Dispozitivele mobile de calitate medie au o rezoluţie de 640x480 de pixeli la
30 de cadre pe secundă, iar ultima generaţie de dispozitive mobile ajunge la o
rezoluție de 1280 x 768 de pixeli la 30 de fps
● Câmp vizual larg cu unghi de vizibilitate de minimum 60 de grade (pentru a capta
cât mai multă informaţie din mediul înconjurător câmpul vizual al camerelor ar
trebui să fie cât mai mare)
● Posibilitatea de a transmite datele unui sistem de procesare central
O cameră cu infraroşu captează radiaţia infraroşie emisă de mediul înconjurător.
Toată materia din univers emite o anumită cantitate de radiaţie electromagnetică într-un
interval de lungimi de undă. Infraroşu se referă la porţiunea din spectrul electromagnetic în
care organismele vii emit cea mai mare cantitate de energie care are lungimi de undă puţin
mai mari decât ceea ce percepe fiinţa umană ca fiind culoarea roşie. Radiaţia infraroşie nu
este percepută de ochiul uman deoarece acesta nu are elementele necesare ca să detecteze
spectrul infraroşu. Nu suntem capabili să vedem infraroşul dar putem să îl simţim prin ceea
ce se numeşte căldură. Atingerea fizică este cel mai direct mod de a observa radiaţia
infraroşie.
Spectrul infraroşu conţine lungimi de undă de la 750nm până la 1mm şi este foarte
util pentru detecţia obiectelor care emit căldură (pietoni, maşini, clădiri locuite).
Fig. 2.3. Spectrul infraroșu [15]
Există mai multe modalități în care a fost divizat spectrul infraroşu [16]. O
diviziune mult folosită împarte spectrul în:
● Infraroşu apropiat cu lungimi de undă între: 0.75-1.4 µm
● Infraroşu cu unde scurte cu lungimi de undă între: 1.4-3 µm
● Infraroşu cu unde medii cu lungimi de undă între: 3-8 µm
● Infraroşu cu unde lungi cu lungimi de undă între: 8–15 µm
● Infraroşu îndepărtat cu lungimi de undă între: 15 - 1,000 µm
13
Domeniul de valori cuprins de spectrul infraroşu este cam de 40 de ori mai mare
decât domeniul valorilor din spectrul vizibil. Deoarece regiunea care cuprinde undele
infraroşii din spectrul electromagnetic este atât de mare, pot apare confuzii la folosirea
termenului “infraroşu”. Infraroşul apropiat este foarte aproape de undele percepute ca
având culoarea roşie din spectrul vizual şi este foarte departe de undele infraroşii termale
care corespund la ceea ce este numit “căldură”. Chiar dacă un corp uman emite radiaţie IR,
lungimile de undă sunt în regiunea care corespunde infraroşului îndepărtat sau regiunii
termale din spectrul IR.
Multe obiecte emit radiaţie infraroşie şi totodată multe obiecte reflectă radiaţia
infraroşie (în mod particular radiaţia din domeniul “near infrared” – infraroşu apropiat).
Radiaţia infraroşie din domeniul infraroşu apropiat nu are legătură cu temperatura
obiectului – decât dacă acesta este foarte fierbinte. O cameră care detectează infraroşul
apropiat vede obiectele pentru că o sursă de lumină emite radiaţie infraroşie şi aceasta este
reflectată sau absorbită de obiecte.
Există mai multe tipuri de camere cu infraroşu şi fiecare tip captează radiaţia emisă
într-o anumită zonă a spectrului infraroşu. Pentru detecţia obiectelor în sistemele de
asistare a condusului sunt folosite fie camere pentru infraroşul apropiat (care au nevoie de
o sursă de iluminare de tip infraroşu) fie camere pentru infraroşul îndepărtat care nu
necesită faruri suplimentare.
Fig. 2.4. Infaroșu apropiat cu sursă de lumină și cameră IR; Infraroșu îndepărtat doar cu cameră IR
O altă clasificare a camerelor cu infraroşu se poate face după modalitatea de
operare a dispozitivelor care detectează radiaţia (detectorii). Aceştia pot fi (1) detectori
care au nevoie de răcire sau (2) detectori care nu necesită răcire. Primul tip de detectori
sunt mai scumpi, au nevoie de un timp de inițializare (până când ajung la temperatura de
răcire) dar obţin o imagine de rezoluţie mai bună. Al doilea tip de detectori sunt mai
ieftini, mai rapizi dar rezoluţia imaginii este mai puţin bună decât în cazul detectorilor cu
răcire.
Datorită proprietăţilor pe care le are domeniul infraroşu, senzorii cu infraroşu sunt
folosiţi cu precădere în condiţii de vizibilitate redusă sau noaptea, deoarece au un spectru
mai larg decât camerele monoculare şi pot capta radiaţia emisă de către obiecte (radiaţie pe
care camerele monoculare nu o percep). Camerele cu infraroşu pot vedea prin fum, ceaţă şi
14
alte condiţii de vizibilitate redusă. Camerele monoculare au nevoie de o sursă de lumină
pentru a putea capta detalii despre scenă (dacă vorbim de zi atunci folosesc lumina solară,
dacă vorbim de condus noaptea atunci folosesc lumina de la farurile autovehiculului).
Pentru o detecţie cât mai precisă a obiectelor (mai ales a pietonilor şi a
vehiculelor) un sistem senzorial cu infraroşu are următoarele cerinţe:
● Să aibă o rezoluţie suficient de bună care să permită o detecţie cât mai precisă a
obiectelor (de exemplu dacă se va folosi o cameră pentru infraroşul îndepărtat - far
infrared - în care obstacolele sunt considerate a fi emiţătoare de radiaţie infraroşie
deci nu e nevoie de o iluminare cu faruri IR - atunci senzorul infraroşu ar putea
avea o rezoluţie spaţială de 160x120 de pixeli sau chiar o rezoluţie mai mare până
la 320x240 pixeli.
● Unghi vizual suficient de mare (unghiul vizual se referă la cea mai mare suprafaţă
ce poate fi vizualizată). Un unghi vizual pentru camerele cu infraroşu ar fi de
minim 30 de grade.
● O distanţă suficient de mare până la care pot fi detectate obiectele
● Operare în timp real (probabil vor fi folosiţi detectori care nu necesită răcire)
● Să fie mic, compact şi uşor astfel încât să nu ocupe mult loc în autovehicul şi să se
poată monta uşor.
● Să fie robust şi rezistent şi să opereze în orice condiţii meteo (căldură mare, ploaie,
ninsoare).
● Să poată fi conectat la o unitate care procesează informaţia transmisă de senzorul
infraroşu.
Un alt element important în specificarea arhitecturii hardware şi software este
folosirea unui dispozitiv (fie calculator, fie dispozitiv mobil) care să aibă posibilitatea de a
capta şi de a procesa toate informaţiile provenite de la senzorii video şi infraroşu. Cerinţele
unui astfel de dispozitiv ar fi:
● Capacitate de procesare în timp real (pentru aceasta ar trebui să aibă cel puţin un
procesor dual-core)
● Posibilitatea de a stoca datele captate (imaginile video sau infraroşii) deci ar fi
nevoie de un hard disk/memorie flash de capacitate mare - la nivel de terabyte.
Această capacitate de stocare este esenţială pentru partea experimentală. Algoritmii
implementaţi vor fi testaţi în primul rând off-line şi după ce se va ajunge la
performanţa şi viteza dorită vor fi testaţi online. Pentru pasul de testare off-line va
fi nevoie de informaţia (video şi infraroşu) stocată.
2.4. Detecția pietonilor
Bazat pe analiza realizată referitoare la nevoile utilizatorilor şi scenariile relevante
putem identifica următoarele cerinţe ale sistemului de asistare pentru detecţia pietonilor:
● Să detecteze pietonii prin furnizarea dreptunghiurilor care îi încadrează şi care
indică poziţia acestora din scenă
● Dimensiunile pietonilor sunt constrânse în domeniul care corespunde la o înălţime
de 20-120 pixeli şi factor de formă de 2:1. Pietonii cu dimensiune mai mică sunt
ignorați fiindcă nu prezintă interes pentru conducătorul auto. Dimensiunea de 60
pixeli corespunde la o distanţă de 25 metri pentru o imagine de 640x480 pixeli
preluată de la o cameră cu distanţa focală de 6 mm
● Să furnizeze detecţii la o frecvenţă de minim 10 cadre pe secundă
● Sistemul de detecţie trebuie să atingă o rată de detecţie de 60% şi cu o detecție
falsă la 10 cadre
15
2.5. Detecția ceții
Ţinând cont de nevoile utilizatorilor, prezentate în capitolul precedent, se pot identifica
următoarele cerinţe minimale pentru sistemul de asistarea la conducere:
● Detecţia prezenţei ceţii în imagini prin semnalarea zonelor acoperite de ceaţă
● Estimarea distanţei de vizibilitate în condiţii de ceaţă
● Reconstrucţia semnalului original al imaginii
● Refacerea contrastului imaginii
● Detecţia ceţii cu o frecvenţă de cel puţin 10 cadre pe secundă
2.6. Construirea şi actualizarea unei hărţi globale extinse
Harți actuale Actualele hărţi digitale modelează configuraţia zonei geografice pe care o
reprezintă pe unul sau mai multe niveluri sau straturi [17]. Straturile reprezintă datele care
compun entităţile logice prezente în hartă. De regulă, straturile cele mai de jos reprezintă
relieful terenului peste care se suprapun alte straturi cu entităţi semnificative (munţi,
păduri, cursuri de apă, clădiri, frontiere, destinaţia terenului d.p.d.v. economic, etc.) [18].
Un alt strat care este situat deasupra acestora conţine reţeaua de drumuri, alte
straturi conţin diferite puncte de interes cum ar fi benzinăriile, instituţiile, hotelurile, etc.
Toate aceste straturi sunt ori statice ori de o dinamicitate foarte redusă, ele rămânând
practic la fel sau aproape la fel de-a lungul unui interval lung de timp (ani de zile).
Fig. 2.5. Straturile unei hărți digitale
Cu toate că aceste informaţii legate de conformaţia geografică şi de distanţele între
localităţi sunt suficiente pentru a genera un itinerariu, ele s-au dovedit a fi insuficiente
atunci când dorim să obţinem mai mult de la un astfel de sistem, cum ar fi: rute optime,
avertizări, informaţii suplimentare, chiar şi analize de trafic sau previziuni şi recomandări
de trafic.
16
Hărți extinse O hartă extinsă, mai ales dacă este conectată la un sistem inteligent de monitorizare
a traficului, poate combina informaţiile statice descrise mai sus cu informaţiile mult mai
dinamice care pot apărea în timpul desfăşurării traficului.
Informaţiile noi, dinamice, vor fi reprezentate pe unul sau mai multe straturi, ele
având principala caracteristică de a se modifica mai des decât celelalte straturi. Din acest
motiv, harta extinsă trebuie mereu actualizată cu informaţiile primite atât de la ceilalţi
participanţi la trafic (comunicaţie V2V), cât şi de la alte centre de centralizare a
informaţiilor de trafic (V2I, TMC, etc).
Harta extinsă poate cuprinde informaţii de dinamicitate redusă (modificări
climaterice, modificări temporare ale regimului de trafic, devieri, etc.) dar şi informaţii cu
o dinamicitate crescută cum ar fi porţiuni cu ceaţă, polei sau chiar accidente sau condiţii de
producere a fenomenului de acvaplanare.
Actualizare harta extinsă Pentru ca harta extinsă să fie mai utilă decât o hartă statică, este necesar ca
straturile dinamice ale acesteia să poată fi actualizate într-un timp cât mai scurt, astfel încât
informaţiile utile pe care le conţine să poată fi propagate în timp util celorlalţi participanţi
la trafic sau subsistemelor din infrastructură. Straturile dinamice pot fi construite deasupra
unui sistem de informaţii geografice cum ar fi Open Street Map [19].
2.7. Rutare inteligentă pe baza hărții extinse
În literatura de specialitate există mai multe probleme clasice legate de rutare.
Problema comis voiajorului Este o problemă de complexitate NP. Dându-se o listă de oraşe şi distanţele dintre
ele, scopul este găsirea rutei cele mai scurte prin care comis voiajorul vizitează fiecare oraş
o singură dată şi se întoarce la origine [20].
Problema poate fi modelată ca un graf neorientat ponderat, în care oraşele sunt
nodurile grafului, iar muchiile sunt rutele dintre oraşe, iar distanţa dintre oraşe este
lungimea muchiei dintre cele 2 noduri. De multe ori modelul este un graf complet în care
fiecare pereche de noduri este conectată de o muchie. Dacă nu există un drum între 2
oraşe, atunci lungimea muchiei o să aibă o valoare arbitrară foarte mare, care nu va afecta
traseul optim.
Fig. 2.6. Problema comis voiajorului cu 4 orașe
17
Problema rutării vehiculelor Încearcă să rezolve problema aprovizionării unui număr de clienți folosind o flotă
de vehicule. Implicit scopul este minimizarea costului distribuției bunurilor. Adesea în
cadrul contextului se adăugă că bunurile de livrat sunt localizate la un depozit central şi
trebuie livrate către cei care au plasat comenzile. Multe metode au fost dezvoltate pentru
căutarea soluţiei acestei probleme, dar găsirea traseului având un cost optim creşte
exponenţial odată cu numărul de locaţii de vizitat [21].
Există diverse specializări ale problemei cum ar fi:
● Problema rutării vehiculelor având în vedere orarul locaţiilor de livrare. Locaţiile în
care se face livrarea au doar un anumit program în care aceasta poate fi făcută.
● Problema rutării cu ridicare şi livrare. Un număr de bunuri trebuie mutate din
anumite puncte unde ele sunt ridicate către destinaţie. Scopul este găsirea rutelor
optimale pentru o flotă de vehicule pentru a vizita locaţiile de ridicare şi livrare.
Fig. 2.7. Problema rutării vehiculelor
În vederea îmbunătăţirii rutelor, a algoritmilor de rutare, se pot adăuga informaţii
noi furnizate de ITS cum ar fi starea drumurilor, starea traficului, viteza medie pe
sectoarele de drum. Astfel anumite porţiuni de drum pot fi ocolite în favoarea altor
porţiuni, pentru ca în final vehiculul să ajungă într-un timp mai scurt la destinaţie.
3. Arhitectura sistemului
3.1. Dispozitiv de monitorizare a vehiculului
Dispozitivul de monitorizare propus este construit în jurul unui microprocesor
având un nucleu de tip ARM Cortex-M3, la o frecvenţă ridicată. Acesta este capabil să
comunice cu o serie de dispozitive ataşate pe placă datorită multiplelor opţiuni de
comunicare pe care le permite. Printre acestea se numără un modul de comunicaţie CAN şi
unul RS232, un modul de comunicaţie wireless GSM-GPRS, un receptor GPS, senzor de
acceleraţie, memorie Flash precum şi o serie de intrări analogice şi digitale, ieşiri digitale.
De asemenea există opţiunea de comunicare cu un PC sau alte dispozitive compatibile cu
protocolul USB.
18
Pe lângă aceste componente enumerate anterior, dispozitivul include un sistem de
management al consumului de energie care permite funcţionarea dispozitivului fără
alimentare, pe o perioadă limitată, datorită bateriei litiu-polimer şi a încărcătorului integrat.
În plus, dispozitivul dispune şi de o antenă GSM integrată, compatibilă cu toate
standardele de comunicaţie GSM şi UMTS la nivel global, suport pentru cartele de
telefonie mobilă SIM şi LED-uri pentru semnalizarea diferitelor evenimente.
Arhitectura propusă pentru acest sistem este prezentată în diagrama următoare:
Fig. 3.1. Arhitectura propusă a sistemului
În continuare vom descrie principalele funcţionalităţi ale modulelor sistemului propus:
● Modulul Wireless GSM-GPRS este cel care permite comunicaţia între dispozitivul
ataşat vehiculului şi sistemele server care centralizează, analizează şi monitorizează
informaţiile primite.
● Modulul de receptie GNSS (Global Navigation Satellite System) preia datele de la
sateliţii de poziţionare, putând recepţiona date de la diferite sisteme de sateliţi
precum GLONASS (sistem de sateliţi rusesc), GALILEO (sistem european) sau
GPS (sistem american), pentru a oferi independență şi o precizie mărită a
localizării.
● Modulul de comunicație CAN permite conectarea directă la sistemul de
comunicaţie al autovehiculelor. Prin intermediul acestui modul se poate stabili o
comunicaţie între dispozitivul propus şi diferitele calculatoare ale autovehiculului,
care pot oferi diverse informaţii de la senzori.
● Accelerometrul, un dispozitiv care măsoară acceleraţia pe baza inerţiei corpurilor,
poate oferi informaţii legate de deplasarea unui vehicul, precum furtul, remorcarea
sau ridicarea acestuia, cât şi identificarea posibilelor accidente de circulaţie,
permiţând alertarea proprietarilor sau a serviciilor de urgenţă.
19
● Memoria Flash are scopul de a oferi un mediu de stocare persistent, unde pot fi
stocate date în perioadele în care dispozitivul nu poate comunica cu serverul.
Aceasta poate avea şi funcţii auxiliare, printre care stocarea stărilor şi erorilor grave
şi spaţiu de stocare în cazul unei actualizări a softului.
● Modulul de comunicatie USB facilitează interfaţarea dispozitivului cu alte sisteme
informatice precum laptopuri sau terminale mobile printro conexiune de mare
viteză (USB 2.0 - până la 480Mbps). Prin această interfaţă se permite atât
configurarea dispozitivului cât şi citirea parametrilor de funcţionare şi posibilele
erori sau alarme.
● Modulul de comunicație RS232 permite conectarea unei game variate de periferice
prin intermediul unei magistrale de date proiectată pentru uz industrial, având
imunitate mare la zgomote şi interferenţe. Printre perifericele propuse se numără
cititoare RFID pentru autentificarea şi monitorizarea orelor de lucru ale şoferilor,
sonde litrometrice pentru monitorizarea şi prevenţia furtului de combustibil sau alte
sisteme informatice capabile de comunicare prin intermediul acestui protocol.
● Modulul de Power Management este responsabil de utilizarea cât mai eficientă a
consumului de curent electric. Din acesta face parte atât sistemul inteligent de
transmisie a datelor şi a monitorizării senzorilor cât şi sistemul de asigurare a unei
rezerve de curent în momentul întreruperilor de alimentare, prin intermediul
încărcătorului şi bateriei auxiliare.
Nucleul acestui dispozitiv este microprocesorul, care coordonează activitatea
întregului sistem. Acesta este responsabil de citirea şi interpretarea datelor venite de la
senzori, de comunicaţia cu serverul şi de funcţionarea întregului dispozitiv în parametri
specificaţi, urmărind totodată şi flexibilitatea pe care sistemul trebuie să o ofere.
Întreaga platformă este proiectată pentru a oferi un consum redus de energie
electrică, protecţii corespunzătoare cu standardele automotive dar şi un set larg de
capabilităţi în scopul de a maximiza numărul de informaţii procesate în vederea unei
imagini cât mai bune a mediului în care aceasta trebuie să funcţioneze.
3.2. Harta globală extinsă
Harta globală extinsă propusă foloseşte ca şi bază de pornire un sistem de
informaţii geografice (Geographic Information System - GIS) care conţine datele
geografice primare şi reţeaua de drumuri organizate în straturi. Unul dintre cele mai
utilizate sisteme de informaţii geografice este Open Street Map.
Open Street Map Una dintre primele opţiuni pentru hartă de bază este Open Street Map (OSM) [22].
Principalele caracteristici ale acestui sistem sunt:
● este oferită în mod gratuit
● este în mod constant actualizată de către voluntari din toată lumea
● permite nelimitat extindere şi adăugare de informaţii
● datele (etichetele) conţinute pot fi interpretate automat de către alte maşini prin
implementarea unui vocabular SKOS [23]
Există deja multiple proiecte construite peste Open Street Map în domenii foarte
diverse cum ar fi cele umanitare, legate de natură, recreere, populaţii speciale, etc [24]. De
asemenea, răspândirea teritorială ale acestor proiecte este dintre cele mai vaste, practic
proiectele Open Street Map sunt prezente pe toate continentele [25].
20
Unul dintre proiectele în dezvoltare este cel de rutare sau navigare [26] pe care îl
putem utiliza ca şi punct de pornire peste care să suprapunem straturile proprii.
Fig. 3.2. Sistemul de rutare MapQuest dezvoltat peste Open Street Map
Pentru extinderea hărții OSM există numeroase metode, iar o introducere este
prezentată în [27]. De asemenea, un tutorial foarte bun este disponibil în [28].
Extinderea hărții Dorim extinderea hărții cu două tipuri de straturi în funcţie de dinamicitatea
elementelor pe care dorim să le reprezentăm:
● dinamicitate redusă
● dinamicitate mare
Dinamicitatea redusă este o caracteristică a unor evenimente cum ar fi cele în
legătură cu schimbările legate de vreme, potenţial prognozabile sau alte caracteristici care
se modifică într-un timp de ordinul zecilor de minute /ore.
21
Fig. 3.3. Harta extinsă cu stratul care indică starea vremii
Dinamicitatea mare caracterizează modificările care apar într-un interval scurt de
timp, cum ar fi formarea poleiului, obiecte periculoase căzute pe partea carosabilă,
accidente sau alte evenimente greu de anticipat folosind alte surse de informaţie.
Harta extinsă va combina toate aceste informaţii suprapunând straturile astfel încât
informaţia oferită celorlalte sisteme să fie deja sintetizată, ideal filtrată în funcţie de poziţia
geografică raportată de către participanţii la trafic care o accesează.
Datele relevante pentru actualizarea hărții extinse sunt cele legate de poziţia, viteza,
direcţia etc. ale participanţilor la trafic. Un sistem de panică va fi integrat astfel încât harta
va putea indica poziţia exactă a participanţilor la trafic care au nevoie de ajutor.
Această funcţionalitate va putea fi accesată atât manual de către conducătorul auto
cât şi automat în cazul în care senzorii vehiculului detectează o coliziune.
Pentru aceasta se vor folosi informaţiile primite de la senzorii virtuali definiţi
pentru a detecta un impact puternic. Pragul de detecţie a unor astfel de şocuri va putea fi
definit în funcţie de datele primite în special de la accelerometru şi de la senzorii de viteză.
Abstractizarea hărții suport Open Street Map este una din multiplele soluţii disponibile şi la momentul actual
este considerată cea mai bună alegere pentru sistemul nostru. Totuşi, pentru a menţine
opţiunile deschise, este recomandată folosirea unei biblioteci care abstractizează
manipularea hărţilor oferind dezvoltatorului uneltele necesare fără a ţine cont de harta
efectivă care este utilizată. Există deja o bibliotecă consacrată numită Mapstraction [29]
22
care face transparent lucrul cu orice hartă populară sau cel puţin uşurează la maximum
efortul de schimbare a hărţilor.
Avantajul major al utilizării acestei biblioteci este că aplicaţia poate fi dezvoltată o
singură dată după care se poate înlocui uşor harta din spate. Alte unelte dezvoltate
deasupra bibliotecii Mapstraction uşurează inclusiv integrarea soluţiei în siturile web în
care aceasta va rula. Folosirea acestei soluţii oferă independenta faţă de tipul de hartă
utilizat, fie că e vorba de Open Street Map, Google Maps, Bing Maps, etc.
Un alt avantaj major este că biblioteca este open source şi este distribuită sub
licenţa “BSD License” [30].
3.3. Sistem de asistare pentru detecţia pietonilor
Arhitectura sistemului propus pentru detecţia pietonilor are la bază o structură
tipică sistemelor similare din literatura ştiinţifică. Acest sistem primeşte la intrare o
imagine din spectrul vizibil sau infraroşu care este achiziţionată cu ajutorul camerei
respective. Ieşirea sistemului constă în detecţiile pietonilor din imaginea de intrare,
returnate fie în formă vizuală fiind afişate ca şi dreptunghiuri la poziţiile corespunzătoare,
fie sub forma unui vector de dreptunghiuri de încadrare. Sistemul poate fi împărţit în mai
multe module: modul de preprocesare, modul pentru extragerea trăsăturilor, modul pentru
selectarea regiunii de interes, clasificator de pietoni, modul de postprocesare, modul pentru
urmărire.
Primul modul de preprocesare este responsabil pentru operaţii care au rolul de a
reduce zgomotul din imagini şi de asemenea de a îmbunătăţi calitatea. Operaţiunile tipice
la această fază sunt procesări de nivel: filtrare cu filtru-trece-jos (ex. filtru Gaussian),
egalizarea histogramei, corecţie gamma, îmbunătăţirea contrastului, dynamic range etc.
Trebuie avut în vedere că unele trăsături sunt sensibile la aceste operaţii şi acest fapt poate
duce la scăderea performanţei.
Modulul de extragere a trăsăturilor are rolul de a extrage vectorii de trăsături din
imagine. Valorile de intensitate de culoare nu sunt potrivite pentru inferarea informaţiei de
nivel înalt precum prezenta pietonilor din imagine. Trăsăturile transpun imaginea într-un
spaţiu mai potrivit pentru aceste operaţii de inferare. Trăsăturile tipice cum ar fi Histogram
of Oriented Gradients se bazează pe magnitudinea gradientului. Tot în această fază se
efectuează operaţiile de redimensionare care sunt necesare pentru detecţia multi-rezoluţie.
Al treilea modul are ca şi scop eliminarea zonelor din imagine care nu sunt
relevante pentru detectarea pietonilor. Zonele uniforme precum cerul său suprafaţa
drumului nu reprezintă zone de interes pentru procesările ulterioare. Este importat că acest
modul să nu respingă zonele care conţin pietoni pentru că atunci fazele următoare nu vor
analiza acele regiuni. Această fază este esenţială pentru atingerea unui timp de procesare
scăzut datorat reducerii substanţială a spaţiului de căutare. Putem considera acest modul ca
fiind un clasificator preliminar care are un timp de execuţie redus şi are eroare mică de
respingere.
Clasificatorul de pietoni ocupă rolul central în sistem şi are rolul de a decide dacă o
regiune dreptunghiulară candidată corespunde sau nu unui pieton. Clasificatorul tipic
folosit aici este unul binar reprezentând decizia dintre două clase: pieton sau non-pieton.
Majoritatea clasificatorilor iau decizii pe baza unor criterii continue şi returnează o valoare
care reprezintă probabilitatea corectitudinii deciziei. Informaţia aceasta este necesară la
faza următoare. Clasificatorul la această fază este mai complicat decât cel din faza
anterioară şi minimizează atât eroarea pentru clasa de pietoni cât şi pentru clasa non-
pietoni. Clasificatorii tipici folosiţi sunt Support Vector Machine cu funcţie kernel liniară
23
pentru viteză sporită, clasificator obţinut din mai mulţi clasificatori “slabi” folosind
AdaBoost.
Modulul de postprocesare corectează detecţiile multiple şi posibil eronate din etapa
anterioară. Această operaţie este necesară fiindcă majoritatea detectorilor indică pietoni şi
la detecţii parţiale, prezenţa unui pieton fiind detectată de mai multe ori. Responsabilitatea
acestui modul este selectarea dreptunghiului de încadrare cel mai potrivit care indică
poziţia reală a pietonului. Acest procedeu operează pe dreptunghiuri suprapuse şi foloseşte
informaţia returnată de la clasificator.
Pentru urmărirea pietonilor este necesar să avem un modul specializat care
folosește detecţiile de la mai multe cadre împreună cu trăsături specifice pentru detecţia
mişcării (ex. optical flow). Acest modul determină viteza pietonilor şi indică o posibilă
coliziune dacă traiectoria pietonului se intersectează cu direcţia de deplasare a
autovehiculului.
Fig. 3.4. Arhitectura sistemului de asistare pentru detecția pietonilor
3.4. Sistem de asistare pentru detecţia ceţii şi îmbunătăţirea vizibilităţii
O cauză a accidentelor rutiere este vizibilitatea redusă care apare din cauza
fenomenelor meteo nefavorabile cum este ceața. Ceața atenuează culorile imaginilor
achiziționate ale scenei de trafic și reduce contrastul obiectelor și al marcajelor rutiere în
concordanță cu distanța la care apar [31]. Sistemele de viziune artificială și asistare a
conducătorului auto sunt astfel puternic influențate întrucât detecția obiectelor și a
culoarului navigabil sunt semnificativ afectate, ceea ce poate duce la imposibilitatea
avertizării conducătorului auto în cazul unei coliziuni iminente cu un alt autovehicul sau la
părăsirea nedorită a benzii curente. Acest lucru sugerează faptul că sistemele avansate de
asistare a conducerii auto trebuie să implementeze algoritmi eficienți pentru a crește
vizibilitatea și contrastul imaginilor pe timp de ceață [32].
Arhitectura sistemului propus pentru detecția ceții și îmbunătățirea calității imaginii
se bazează pe modelul meteorologic al vizibilității pe timp de ceață propus de
Koschmieder (vezi Figura 3.5). De asemenea se presupune că suprafața drumului din fața
24
autovehiculului este plană și că avem la dispoziție o singură cameră video (a dispozitivului
mobil) cu care sunt achiziționate imaginile din trafic.
Fig.3.5. Arhitectura sistemului de detecție și îmbunătățire a calității imaginilor cu ceață
Modulul de calibrare a camerei presupune determinarea/cunoașterea parametrilor
intrinseci și extrinseci ai camerei dispozitivului mobil. Se presupune cunoscută poziția și
orientarea suportului dispozitivului mobil în interiorul autovehiculului. Astfel se cunoaște
unghiul pe care acesta îl face cu direcția orizontală precum și locația camerei față de sol.
Ceilalți parametri (distanța focală și dimensiunea pixelilor) sunt necesari pentru estimarea
distanței punctelor din imagine. Cel mai important aspect îl constituie găsirea punctului de
fugă de pe linia orizontului și locația acestuia în imagine. Pentru aceasta modulul de
calibrare va analiza imagini fără ceață - achiziționate prin conducerea autovehiculului pe
un drum plan cu marcaje vizibile.
Detecția prezenței ceții [33] poate fi făcută prin analiza statistică a canalului de
negru în imagini. Aceasta este bazată pe o observație cheie care constă în faptul că zonele
locale de dimensiuni mici dintr-o imagine color (RGB) fără ceață conțin pixeli care au
intensități scăzute pe cel puțin un canal (fie R, G sau B). Astfel, prezența ceții va fi
identificată în acele zone în care valoarea intensității este ridicată pe toate cele trei
componente de culoare.
Modulul de selecție a zonei de analiză a ceții are ca și obiectiv găsirea acelei benzi
verticale din imagine în care majoritatea pixelilor afectați de prezența ceții sunt
aparținători drumului sau cerului (cu cât mai puține obstacole prezente). Pentru aceasta se
folosește de obicei un algoritm de creștere a regiunii de intensitate, care pornește de la mai
multe puncte-sămânță aflate pe o linie orizontală în partea de jos a imaginii și relativ
apropiate ca și intensități de intensitățile mediane calculate pe fiecare linie verticală în
imagine. Această bandă de variație a ceții este definită ca fiind zona dintre cea mai din
25
stânga și cea mai din dreapta verticală din imagine care se află în întregime în regiunea
anterior determinată.
În interiorul benzii de variație a ceții se trasează variația intensităților pixelilor în
raport cu linia orizontală din imagine pe care apar. Punctul de interes este reprezentat de
punctul de inflexiune din acest grafic împreună cu locația liniei din imagine pe care apare.
Acestea sunt necesare pentru calculul ulterior al parametrilor modelului ceții.
Cunoscând parametrii camerei și poziția punctului de inflexiune anterior calculat se
poate determina distanța acestuia față de cameră. Având această informație se pot
determina direct parametrii modelului ceții propus de Koschmieder.
Restaurarea contrastului original al imaginii se face calculând independent pentru
fiecare pixel din imagine valoarea reală a intensității pe baza modelului ceții anterior
calculat (se elimină perturbațiile atmosferice introduse de ceață). Contrastul va fi corect
restaurat doar în cazul în care, în imagine, este respectată presupunerea existenței drumului
plan.
Întreg sistemul de detecție a ceții va furniza o imagine îmbunătățită celorlalte
module care sunt implementate pe dispozitivele mobile și cărora le va crește
performanțele.
3.5. Sistem de navigaţie bazat pe rutare inteligentă
În vederea creşterii eficienţei unui sistem de navigaţie GPS se propune utilizarea
unui algoritm inteligent de asistare la calculul rutei spre o anumită destinaţie. Sistemele de
navigaţie clasice sunt bazate pe calculul rutelor folosind informaţia statică din harta rutieră.
Având la dispoziţie o serie de date suplimentare cum ar fi informaţii de la centrul regional
de trafic, diferiţi parametrii furnizaţi de la dispozitivul de monitorizare, flota auto şi
informaţii de la camera video vom extinde un sistem de navigaţie care să ţină cont de acest
informaţii dinamice. Rezultatul va fi un sistem capabil să se adapteze în timp real la
situaţiile şi condiţiile din trafic.
Proiectul curent îşi propuse extinderea sistemului de navigaţie GPS conform diagramei din
Fig. 3.6.
26
Fig. 3.6. Sistem de navigaţie bazat pe rutare inteligentă
Se vor dezvolta următoarele module:
● Modulul “Map Parser” folosește hărţile oferite de OpenStreetMap şi le codifică
într-un format intern. Informaţiile obţinute, compuse din descrierea reţelei de străzi,
poligoanelor (clădiri, parcuri, graniţe de oraş, forme de relief, etc), punctelor de
interes şi diferitelor detalii legate de elementele hărții, sunt stocate în fişiere binare
ce urmează a fi folosite de către sistemul de navigaţie.
● Modulul “Tracking data” va furniza date de la dispozitivul de monitorizare a flotei
auto. Aceste date vor fi interpretate de “kernel”-ul sistemului de navigaţie.
Rezultatele vor fi afişate sub formă de informaţii de asistare la conducere.
● Modulul “Geocoder” asociază coordonate (latitudine şi longitudine) altor
informaţii geografice, cum ar fi adresa stazilor, coduri poştale, nume de oraşe şi
totodată realizează căutarea anumitor informaţii din apropierea unei coordonate
geografice.
● “Drawing Engine” compune imaginea reţelei de drumuri şi a spaţiului geografic pe
baza datelor statice existente.
● “Route planning” calculează ruta optimă între noduri ale reţelei de străzi. Prin ruta
optimă se înțelege calea cea mai rapidă ţinând cont de datele dinamice primite.
Costul parcurgerii unui drum este influenţat de lungimea, categoria şi condiţia în
care se află acesta. Algoritmul de rutare caută o cale pentru care costul total al
parcurgerii este minim. Pentru a surprinde condiţiile de trafic, în scopul calculării
rutei optime, sistemul de navigaţie foloseşte multiple surse de informare. Hărţile
statice, salvate local pe disc şi datele dinamice (accidente, blocaje rutiere, drumuri
în lucru provenite de la modulul “Dynamic model data”) contribuie la formarea
hărții.
● “Dynamic model data” va furniza evenimente de trafic de la centrul regional de
trafic. Aceste date vor fi luate în calcul de sistemul de rutare.
● Graphic User Interface ține strict de meniul grafic. Acesta poate fi împărţit în
partea de server şi partea de ferestre. Server-ul realizează conexiunile între
ferestrele existente, în funcţie de necesitatea utilizatorului.
27
● Kernel-ul implementează logica sistemului de navigaţie, iniţializează sistemul,
preia datele din modelul static de date, stabileşte legătura între modulele
componente, analizează factorii externi şi controlează modulele corespunzătoare.
4. Proiectarea unui prototip
Fig. 4.1. Schema bloc pentru prototip
Ne propunem realizarea unui prototip care să includă principalele componente
specificate și proiectate în capitolele anterioare. Schema bloc propusă este ilustrată în
Figura 4.1. Acest sistem va fi instalat pe un vehicul și va comunica cu serverul de
monitorizare flotă și cel de trafic prin rețeaua GSM sau comunicații de satelit.
Se vor implementa principalele funcționalități pe următoarele componente:
Dispozitiv de monitorizare vehicul
Această componentă va conține un modul “hardware” care este conectat la
magistrala CAN a autovehiculului și va permite citirea de parametri de la maşină. Modulul
dezvoltat va permite localizarea prin intermediul componentei GPS integrate. Partea de
comunicație va fi asigurată de un modem GSM. În cazul în care nu există acoperire de
semnal GSM se va permite optarea pentru integrarea unui modul de comunicaţie prin
satelit şi care să preia comunicaţia în situaţii speciale.
Dispozitiv mobil inteligent
Din punct de vedere al platformei de procesare, dispozitivul mobil inteligent nu va
fi reprezentat de un singur dispozitiv. În funcţie de cerinţele sistemului senzorial şi de
procesare pentru funcţiile care se vor dezvolta, acest dispozitiv poate fi un telefon
inteligent sau tabletă, laptop, respectiv un navigator.
28
Sistemul de detecţie a ceţii va fi implementat conform specificaţiilor propuse în
secţiunea de arhitectură. Implementarea va fi duală, bazată pe camera dispozitivului mobil
(telefon inteligent sau tabletă) respectiv bazată pe camera cu spectru infraroşu caz în care
platforma de procesare va fi un laptop (necesită capabilităţi de conectivitate cu camera).
În mod similar, sistemul de detecţie a pietonilor se va implementa conform
arhitecturii propuse, şi va avea o implementare duală, pe telefon sau tabletă folosind
camera proprie, sau pe un laptop conectat cu camera cu spectru infraroşu.
Se va dezvolta un sistem de navigație care va rula pe un dispozitiv mobil inteligent.
Sistemul de navigație va permite calcularea rutelor folosind date senzoriale citite de la
dispozitivul de monitorizare al vehiculului și informații dinamice de la serverul ITS.
Sistemul de navigație va furniza și avertizări bazate pe informațiile primite de la senzorii
auto (ex. viteză prea mare la apropierea de o intersecție etc).
Monitorizare flotă
Prin colectare de informații suplimentare de la flotele auto se dorește extinderea
interfeței de comunicare dintre vehicul și serverul de monitorizare flotă. La nivelul
serverului se vor recepționa datele primite de la mașini si în urma unei procesări specifice
se va genera o hartă extinsă care va conține informațiile în timp real colectate de la
mașinile din trafic. Se va extinde algoritmul de generare a rutelor optime folosind datele
recepționate în timp real.
ITS Server central
Datele colectate de serverul de monitorizare a flotei auto vor fi furnizate prin
intermediul unui protocol de comunicație către serverul de trafic ITS.
5. Concluzii
În această etapă s-au efectuat toate activităţile prevăzute în planul de realizare
propus, adică acelea de identificare a nevoilor, scenariilor relevante, arhitectura
componentelor principale ale sistemului și proiectarea unui sistem prototip care să
înglobeze componentele propuse. Astfel s-au creat premisele, din punct de vedere al
proiectării, pentru trecerea la următoarea etapă, de dezvoltare şi implementare a
componentelor sistemului propus.
6. Referințe bibliografice
[1] Berg Insight - Online: http://www.berginsight.com/ReportPDF/ProductSheet/bi-fm6-
ps.pdf
[2] Comisia Europeană – statistici privind siguranța drumurilor - Online:
http://ec.europa.eu/transport/road_safety/specialist/statistics
[3] Mobileye 5 - Online:
http://www.mobileye.com/all-products/mobileye-5-series/mobilapp/
[4] Wikpedia Ceața - Online: http://ro.wikipedia.org/wiki/Cea%C8%9B%C4%83
[5] K. Mori, T. Kato, T. Takahashi, I. Ide, H. Murase, T. Miyahara, Y. Tamatsu: Visibility
Estimation in Foggy Conditions by In-Vehicle Camera and Radar, Proceeding of First
International Conference on Innovative Computing, Information and Control, 2006.
ICICIC 2006., Volume: 2.
29
[6] N. Hautiere, R. Labayrade, D. Aubert: Detection of Visibility Conditions through use
of Onboard Camera, Procededings of IEEE Inteligent Vehicles Symposium, 2005, Pages
193-198
[7] Cauzele accidentelor pe timp de ceață
Online: http://seriousaccidents.com/legal-advice/top-causes-of-car-accidents/fog/
[8] Siguranța traficului - Online:
http://www.rmiia.org/auto/traffic_safety/Cost_of_crashes.asp
[9] Statistici Registrul Auto Român - Online: http://www.rarom.ro/cs-
uploads/Trimestrul2.pdf
[10] Wikipedia GPRS – Online:
http://en.wikipedia.org/wiki/General_Packet_Radio_Service
[11] John Keesee - Satellite Engineering - Online:
http://ocw.mit.edu/courses/aeronautics-and-astronautics/16-851-satellite-
engineering-fall-2003/lecture-notes/l21satelitecomm2_done.pdf
[12] Wikipedia Iridium Satellite Constellation - Online:
http://en.wikipedia.org/wiki/Iridium_satellite_constellation
[13] Wikipedia Iridium Communications - Online:
http://en.wikipedia.org/wiki/Iridium_Communications_Inc.
[14] Wikipedia Instant Messaging Protocols - Online:
http://en.wikipedia.org/wiki/Comparison_of_instant_messaging_protocols
[15] Spectrul infraroșu - Online:
http://dew.globalsystemsscience.org/key-messages/near-infrared-and-the-
electromagnetic-spectrum
[16] Wikipedia Regions in the infrared - Online:
http://en.wikipedia.org/wiki/Infrared#Different_regions_in_the_infrared
[17] ESRI - Online:
http://support.esri.com/en/knowledgebase/GISDictionary/term/layer
[18] GeoJSON:
http://boomphisto-blog.appspot.com/presentations/geojsonandmappingapis/
[19] Open Street Map:
http://www.openstreetmap.org/
[20] Wikipedia Travelling Salesman Problem - Online:
http://en.wikipedia.org/wiki/Travelling_salesman_problem
[21] Wikipedia Vehicle Routing Problem - Online:
http://en.wikipedia.org/wiki/Vehicle_routing_problem
[22] Open Street Map - Online: http://www.openstreetmap.org
[23] Vocabularul SKOS - Online: http://www.w3.org/2004/02/skos/
[24] Proiecte OSM dupa domeniile vizate - Online:
http://wiki.openstreetmap.org/wiki/Mapping_projects
[25] Proiecte OSM dupa locatie - Online:
http://wiki.openstreetmap.org/wiki/List_of_territory_based_projects
[26] Rutare OpenStreetMap - Online: http://wiki.openstreetmap.org/wiki/Routing
[27] Open Layers - Online:
http://wiki.openstreetmap.org/wiki/OpenLayers_Simple_Example
[28] Tutorial OSM - Online: http://www.emacsen.net/osm/osm-web-tutorial.pdf
[29] Mapstraction - Online: http://mapstraction.com/
[30] BSD license - Online: http://opensource.org/licenses/bsd-license.php
30
[31] N. Hautiere, D. Aubert - Contrast Restoration of Foggy Images through use of an
Onboad Camera, in Proc. of IEEE Conference on Intelligent Transportation Systems,
Vienna, 2005.
[32] J.P. Tarel, N. Hautiere, A. Cord, D. Gruyer, H. Halmaoui - Improved Visibility of
Road Scene Images under Heterogeneous Fog, in Proc. of IEEE Intelligent Vehicles
Symposium, San Diego, 2010
[33] K. He, J. Sun, X. Tang - Single Image Haze Removal Using Dark Channel Prior, in
IEEE Conference on Computer Vision and Pattern Recognition, 2009. CVPR 2009.