Столичные власти запускают «умную» нейронную сеть, способную определить тип, марку и модель автомобиля по силуэтам, логотипам и фонарям. Система разгрузит техников Центра организации дорожного движения (ЦОДД), обрабатывающих фотографии с камер для ГИБДД: у них будет больше времени на изучение спорных случаев и отсеивание в брак ошибочных штрафов. Остальную сугубо механическую работу доверят нейросети. Система обойдется властям в 189 млн руб.
Фото: Глеб Щелкунов, Коммерсантъ / купить фото
Нейросеть будет создана для центра фотовидеофиксации ЦОДД, где обрабатываются фотографии с камер (ежедневно туда поступает до 400 тыс. материалов). После обработки и отсеивания брака фото уходят в ГИБДД, чьи инспекторы формируют «письма счастья». Цель новой системы — сократить нагрузку на техников, максимально автоматизировав процесс, следует из документации к конкурсу по разработке системы.
К примеру, если комплекс зафиксировал превышающий скорость автомобиль, то нейронная сеть, проанализировав фотографию и силуэт машины (в ее базе есть сведения более чем о 100 моделях), «поймет», что нарушитель — это Hyundai Solaris или ВАЗ-2101. Данный вывод автоматически перепроверят в базе данных МВД по госномеру: если модель подтвердится, то материалы с признаками нарушения будут обработаны по упрощенному алгоритму, то есть почти сразу уйдут в ГИБДД для формирования «письма счастья». Если же нейросеть увидела одну машину, а в базе данных по номеру — другая машина, то материалы уйдут технику на тщательную ручную проверку.
Упростится обработка данных в случаях, когда на МКАД днем выезжают грузовики. Сегодня камеры фиксируют абсолютно все проезды по Кольцевой дороге (порядка 6 млн в сутки), и по каждому из них делается запрос в базу данных МВД, что чрезмерно нагружает информационные системы. Нейросеть будет по силуэтам распознавать грузовики и только по ним делать запросы в полицейскую систему. Такой же алгоритм применят и для такси на выделенке: признаком смогут служить фонарь на крыше и шашечный пояс. Автобусы «Мосгортранса» система будет определять по силуэту и по другим косвенным признакам, например по логотипу «Московский транспорт» на передней части.
Для минимизации рисков ЦОДД запустит отдельную систему принятия решений о том, какой материал отправить на упрощенную обработку, а какой — на тщательную проверку.
Скоринговая модель будет выставлять баллы каждому нарушению в зависимости от того, какое количество данных о нем подтверждено. Чем выше балл (модель-марка совпадают, номер хорошо виден, комплекс работает без ошибок и т. д.), тем больше доверия материалу и тем выше вероятность, что штраф сформируют по упрощенке и он быстро станет штрафным постановлением.
Впервые о новой системе в интервью “Ъ” рассказывал вице-мэр Максим Ликсутов. Он говорил, что столичные власти подсмотрели технологию нейросети у военных. До сих пор система тестировалась — для перехода на полноценный режим нужно провести тендер и заключить контракт. Конкурс на разработку софта для ЦОДД объявил в октябре, на днях тендер выиграла московская фирма «Стандартпроект», специализирующаяся на системах распознавания лиц и мониторинге трафика. Компания сделает нейросеть за 189 млн руб., что на 3 млн руб. меньше, чем ЦОДД готов был заплатить. Компания «Ситроникс», участвовавшая в конкурсе, проиграла, заявив более высокую цену.
В Москве на данный момент работает 1,5 тыс. стационарных камер фиксации нарушений. В 2016 году с помощью фотовидеофиксации было вынесено 11,7 млн штрафных постановлений, в 2017 году — 24,6 млн за десять месяцев 2018 года — более 25 млн. Количество комплексов планируется увеличить до 2 тыс. в 2019 году.
По схожему с нейросетью алгоритму работает система контроля грузового транспорта «Платон», отмечает представитель компании «Технологии распознавания» (производитель комплексов «Автоураган») Сергей Кусов. «При контроле грузовых автомобилей нейросеть незаменима, да и в розыске при таком количестве однотипных авто она тоже станет палочкой-выручалочкой,— считает он.— Для автовладельцев введение системы не будет критичным, а вот от производителей камер столичные власти могут потребовать улучшения качества картинки. Чтобы нейросеть выдавала минимум ошибок, ей необходимо ''скармливать'' максимально высокое и качественное изображение, особенно в зимний период, в снегопад, туман. Иначе неизбежны ошибки при определении автобус/фура и просто легковушка/такси».
Законодательством не предусмотрено автоматическое формирование «письма счастья» без участия людей, подчеркивает эксперт по системам фотовидеофиксации Григорий Шухман. «Любые реализованные в компьютерах алгоритмы ограниченны, и только подготовленный человек может оценить материалы всесторонне и объективно»,— говорит он. Нейросеть, возможно, снизит число ошибок распознавания номеров, считает господин Шухман, но это не является самой большой проблемой:
исключить ошибки измерения скорости, на которую часто жалуются водители, система не сможет.
«Для их исключения нужны аттестованные алгоритмы исследования материалов фиксации и собственно сами материалы в объеме, позволяющем провести обоснованный анализ события»,— говорит он. «А пока у нас применяется принцип ''если камера зафиксировала автомобиль, то это автоматически нарушение'', а если кто-то не согласен, то пусть попробует доказать обратное»,— отмечает Григорий Шухман.
Напомним, в последнее время у автомобилистов часто возникают вопросы к качеству работы системы фотовидеофиксации. В сообществе «Синие ведерки» недавно был описан случай, когда одна из камер ошиблась более чем на 40 км/ч (автомобилист во время поездки фиксировал скорость GPS-трекером и видеорегистратором). Дискуссии не умолкают и по поводу недавно установленной камеры на улице Нижняя Масловка, которая фиксирует выезд за стоп-линию: многие водители утверждают, что были наказаны, хотя перед линией остановились. ЦОДД провел ряд публичных тестов комплекса, но отклонений не выявил. По итогам центр решил хранить видеоролики по каждому проезду под этой камерой (для этого сейчас наращиваются серверные мощности) — их дают посмотреть при обжаловании штрафа в ГИБДД. Видео доступно только по свежим проездам, зафиксированным после волны жалоб.