/

Видеонаблюдение на транспорте. Массив данных. Анализ.

Видеонаблюдение на транспорте. Массив данных. Анализ.

download PDF
25 января 2021, 08:37    1968

Алексей Юдин

Алексей Юдин

Эксперт по сертификации

С каждым годом способность периферийных датчиков передавать различные данные — увеличивается, при этом в бо’льшей степени традиционные потребители/заказчики систем безопасности «особо» не нуждаются в этих данных, так как применяемые на объекте системы безопасности (СКУД/СВН/ОС и т.д.) являются лишь одним из инструментов (и далеко не первым) для решения задач по обеспечению безопасности на объекте и принятия превентивных мер. 

Однако, время не стоит на месте, как и предлагаемые рынком решения. При наличии глубокой интеграции между системами безопасности, справочниками и базами данных появляются возможности реализовывать в полной мере их функционал. Например, после обработки массива данных предоставлять службам безопасности, производственным и технологическим подразделениям, службе персонала, дирекции развития текущий и прогнозируемый срез по действию персонала при выполнении различных процессов, соблюдению норм и правил техники безопасности, строить модели передвижения людей по терминалу, тем самым гибко и дифференцированно подходить к местам размещения тех или иных объектов ( что актуально для розницы). 

Кейс №1: СВН/СКД/ГИБДД: 

При выезде с объекта водитель проезжает через шлагбаум и примерно в 15-ти метрах останавливается на светофоре. В часы «пик» при выезде с парковки объекта образовывалась пробка (необходимо учесть, что парковка платная, оплата по времени прибывания). Соответственно, заказчик сталкивался с большим потоком жалоб от водителей, т.к. не по их вине они не могли выехать с парковки, и в какой-то момент времени он просто открывал шлагбаум и водители выезжали не оплатив парковку. 

Заказчик терпел убытки и рассматривал установку дополнительных выездных групп, а это не только единовременные затраты на оборудование и работы, но и увеличение постоянных расходов на содержание и обслуживание выездных групп. 

Проанализировав данные с камер видеонаблюдения и распознавания номеров выездных и выездных групп, камер наблюдения установленных на объекте, данных с системы Бюро пропусков и СКУД, а также режим работы светофора за значительный срок, мы обосновали, что если Службы дорожного движения ГИБДД изменят режим действия светофора на данном участке в часы «пик», увеличив зелёный сигнал светофора при выезде с объекта с 30 секунд до 50, то водители будут успевать выезжать с объекта, не создавая пробки, при этом «зайцев» не будет. Заказчик предложил ГИБДД внести небольшие изменения и они согласились. Как вы видите, при наличии существующих систем безопасности и возможности обработать их данные, экономия может быть существенной.

Кейс №2: СВН/Багажная система/СУРВ:

В одном из аэропортов собрали статистику: 

При интеграции багажной системы, системы видеонаблюдения и системы учёта рабочего времени, решаются несколько задач: 1) сбор данных по объёму выполненной работы каждого сотрудника и для определения сдельной части фонда заработной платы; 2) возможность более гибко подходить к загрузке и использованию ресурса багажных лент (срок эксплуатации 10 - лет, при аккуратном распределении возможно продлить ресурс на 50 %); 3) исключение значительных расходов на электропитание лент в «холостом» режиме, (вовремя отключая ленту).

Кейс №3: СВН/СКУД/ОС/СУРВ/ДУТ/Техническое обслуживание и эксплуатация.

Имеется различный парк транспортных средств (ТС), необходимо перевозить грузы/товары и топливо на различные расстояния, при этом ТС останавливаются N-раз для погрузки/загрузки грузов/товаров, техника работает в различных условиях от городских до карьерных.

Потребности и возможности заказчика развиваются поэтапно и на каждом этапе некоторые сотрудники заказчика «закрывают» текущие потребности в ограниченных условиях и по принципу «здесь и сейчас», как следствие, возникают множество различных систем, которые с одной стороны призваны оптимизировать задачи бизнеса, но, с другой стороны, создаётся система данные которой «живут отдельной жизнью» или время на их сбор, обработку и анализ требует значительных затрат.

Возьмём, к примеру водителя ТС, Водитель пришёл на работу (СКУД), прошёл предрейсовый медицинский осмотр (система №1), ознакомился с путевым листом (подготовлен в системе №2), провел (если провёл) осмотр ТС, отметился в тахографе (система №3), загрузился и поехал по маршруту. И хорошо, если на различных объектах установлены системы, которые позволяю оперативно получить различные данные, но бывает, что взаимодействие между объектами и установленными системами происходит с помощью «голубиной почты» и «крепкого словца».

Зарекомендовали себя решения для транспортных средств —  устанавливается система видеонаблюдения (включая камеры в кузове и кабине), в том числе и модуль контроля состояния усталости водителя; ДУТы в баках, цистернах; датчики контроля нагрузки на ось и т.д., в том числе и подключение по CAN-шине. 
В справочной форме получаем данные по предрейсовому медицинскому осмотру, ТТП (по форме до января 2021, см. изменения в законодательстве), данные от системы видеонаблюдения на ТС, технические данные с ТС, аккумулируем их в одном месте, и на базе нейросетей получаем на выходе:

  1. Реальные данные по загрузке ресурсов в режиме реального времени, с возможностью прогнозирования их распределения — в зависимости от возможных событий;
  1. Планирование, мониторинг, контроль и обеспечение выполнения производственных и технологических процессов; требований безопасности и охраны труда;
  1. Проведение превентивных мер по не допущению ДТП в процессе анализа состояния и действий водителя;
  1. Обеспечение выполнения мер по предотвращению избыточной нагрузки и эксплуатации ТС;
  1. Обеспечению сохранности и предотвращению хищения товаров/грузов/топлива;
  1. Планирование проведения ТО ТС, и своевременной закупки запасных частей на складе.
     

Вывод: 

Таким образом, на входе мы имеем традиционные охранные извещатели, камеры, которые уже установлены на объекте и/или планируются к оснащению, а также разрозненные системы, в большей степени их возможности позволяют передавать в необходимом формате различные данные в единую систему. Нейросети позволяют обрабатывать и предоставлять данные для их анализа и применения различными службам заказчика, что существенно сокращает срок окупаемости систем безопасности, например, систем видеонаблюдения на транспортных средствах. Однако, заказчик должен быть готов к необходимости проведения комплекса мероприятий. И не всегда это возможно сделать оперативно, как правило, при комплексном подходе реализация проекта составляет от года, все зависит от заказчика. 
 

Yandex.Дзен

Подписывайтесь на канал ru-bezh.ru
в Яндекс.Дзен

Вы должны авторизоваться, чтобы написать комментарий


    Яндекс.Директ

    RUБЕЖ в facebook RUБЕЖ в vk RUБЕЖ в twitter RUБЕЖ на youtube RUБЕЖ в google+ RUБЕЖ в instagram RUБЕЖ-RSS

    Контакты

    Адрес: 121471, г. Москва, Фрунзенская набережная, д. 50, пом. IIIа, комн.1

    Тел./ф.: , +7 (495) 539-30-20

    Время работы:

    E-mail: info@ru-bezh.ru

    E-mail: help@ru-bezh.ru - по техническим вопросам


    Свидетельство о регистрации ФС77-78638 от 10 июля 2020г

    выдано Федеральной службой по надзору в сфере связи,

    информационных технологий и массовых коммуникаций.

    Для рекламодателей

    E-mail: reklama@ru-bezh.ru

    тел.: +7 (495) 539-30-20 (доб. 103)

    total time: 0.1936 s
    queries: 175 (0.0180 s)
    memory: 4 096 kb
    source: database
    Выделите опечатку и нажмите Ctrl + Enter, чтобы отправить сообщение.