ПРИМЕНЕНИЕ ТЕХНОЛОГИИ IOT В ПРИГОРОДНЫХ ПОЕЗДАХ ДЛЯ АНАЛИЗА ЗАГРУЖЕННОСТИ ВАГОНОВ

АННОТАЦИЯ

Сегодня люди каждый день уезжают на учебу или работу на пригородных поездах или метро, но им очень часто приходится находиться в тесноте с другими людьми в час пик. Некоторые люди уже выучили места на станциях, где им будет комфортно находиться в вагоне и где будет мало людей. Но есть огромное количество людей, которые только приехали в город и еще не освоились. Вот для них в этой статье предлагается ознакомиться с таким понятием, как IoT, чтобы их жизнь во время поездок была максимально комфортной, не зависимо от города или даже страны.

ABSTRACT

Today people leave every day for school or work on commuter trains or the subway, but they very often have to be crowded with other people during rush hour. Some people have already learned the places at the stations where they will be comfortable in the car and where there will be few people. But there are a huge number of people who have just arrived in the city and have not yet settled in. For them, in this article, it is proposed to familiarize themselves with such a concept as IoT, so that their life during trips is as comfortable as possible, regardless of the city or even the country.

Ключевые слова: Переполненные поезда, час пик, технологии IoT, отслеживание.

Keywords: Crowded trains, rush hour, IoT technology, tracking.

В данное время Россия входит в ТОП-3 стран мира по длине сети железных дорог, но все равно каждый, кто ездил на них, встречался с такой ситуацией, что негде сесть или просто даже не получается влезть в вагон. По последний исследованиям «РЖД» выяснилось, что самые нагруженные участки ЖД: Москва – Ярославская, там около 130.000 людей в сутки, и Москва – Курская, около 90.000 людей. Сейчас на этих направлениях скорректировали расписание, но все равно бывают моменты, когда перегружаются пригородные поезда, например, утром, с 7:00 до 8:00, когда все едут на работу или учебу. Также нельзя не упомянуть недавно добавленное «МЦД». В первое время поезда были настолько переполнены, что некоторые люди могли упасть на пути, что вообще не позволительно для «РЖД». Для решения таких проблем в этой статье будет рассмотрена возможность применения технологии IoT для того, чтобы можно было легче построить свой маршрут по поездкам на поездах [1].

Интернет вещей — концепция сети передачи данных между физическими объектами («вещами»), оснащёнными встроенными средствами и технологиями для взаимодействия друг с другом или с внешней средой. Эти данные обрабатываются физическими объектами, анализируются, собираются и передаются между друг другом. Это позволяет связать что угодно с чем угодно. С помощью IoT предлагается ввести технологию для анализа загруженности вагонов и в целом поездов [2].

Предполагается несколько способов для анализа количества людей на тех или иных станциях или поездах.

Самый простой способ – с помощью камер и ИИ. Так, например, после митингов и протестов в Лондоне, экспертам надо было узнать, сколько именно было людей на площадях. Метод, разработанный Резой Бахманьяром из Немецкого аэрокосмического центра и его коллегами, использующий искусственный интеллект, может помочь нам в разрабатывании технологии IoT. Чтобы создать систему, команда вручную подсчитала почти четверть миллиона человек на 33 изображениях, сделанных с самолетов, дронов и вертолетов, а затем использовала их для обучения алгоритму под названием MRCNet. MRCNet делит каждое изображение на маленькие квадратики и анализирует, сколько людей находится на каждом из них. Результаты лучше, чем у других систем оценки на основе искусственного интеллекта, они на 15 процентов точнее, чем его ближайший конкурент в достижении правильного числа людей в толпе. Система работает намного быстрее, чем ручная переборка, и вычисление количества людей в каждом квадрате занимает 0,03 миллисекунды [3].

Следующий способ более сложный, так как нужно гораздо больше подсчётов, вычислений и взаимодействия между вещами. Вычисление загруженности с помощью турникетов, через которые проходят люди, заходя и выходя с платформы. По последний подсчетам самый пик проходится на 18:00 вечера, когда в среднем за минуту через турникеты все может пройти около 200.000 людей. Все эти подсчеты средние и сейчас это число может быть гораздо больше. Чтобы узнать, где и сколько людей, нужно отдельно подсчитывать для каждой станции количество проходов через турникеты, но это потребует очень много подсчетов. По некоторым подсчетам, учитывая, что станций сейчас почти 300, а на каждой станции в среднем 6-8 турникетов, получается около 80 людей в час пик может пройти через один турникет за несколько минут, но это не получается, так аккуратно, как хотелось, поэтому появляются давки в толпе. Для решения этой проблемы предлагается установить датчики в каждый турникет для подсчета проходимости и на каждые 100 людей выгружать эти подсчеты в базу данных, а далее из нее информация попадает в приложение пользователя, чтобы он видел к какому турникету лучше ему пойти и соответственно в какой части платформы будет меньше всего людей. Этот способ более сложный, но более точный и с его помощью люди сами будут распределяться более равномерно по платформе, что снизит загруженность [4].

Последним предложением является – анализ загруженности с помощью телефонов. За основу можно взять Яндекс.Пробки, а именно их метод анализа загруженности улиц. Каждые несколько секунд устройство водителя передаёт свои географические координаты, направление и скорость движения в компьютерную систему Яндекс.Пробок. Все данные обезличены, то есть не содержат никакой информации о пользователе или его автомобиле. Затем программа-анализатор строит единый маршрут движения с информацией о скорости его прохождения — трек. Треки поступают не только от частных водителей, но и от машин компаний-партнеров Яндекса (организации с большим парком автомобилей, курсирующих по городу) [5].

Помимо своих координат автомобилисты могут сообщать сервису дополнительную информацию об авариях, ремонтных работах или других дорожных неприятностях [5].

Нам понадобится только небольшая часть разработки Яндекс. С помощью телефонов, которые всегда отсылают информацию, можно будет показать примерную загруженность поездов и платформ. Да, такой способ может быть самым неточным, так как количество людей может быть огромным и некоторые телефоны не смогут правильно отсылать свое местоположение, или у некоторых людей просто телефон не умеет отсылать свое местоположение. Но все же, это самый доступный, на данный момент, способ решения проблемы анализа загруженности.

Любой из вышеуказанных способов можно будет интегрировать на телефон с системой IoT в виде приложения или совместить с уже существующими. Например, с Яндекс.Карты, чтобы на них сразу было указано, где лучше заходить на платформу.

Также мы провели несколько опросов, чтобы узнать, какой способ более предпочтительней.

Рисунок 1. Результаты опроса №1

В результате первого опроса выяснилось, что люди доверяют больше турникетам. Камерам доверяют четь меньше, так как их необходимо большое количество, а людям это не совсем нравится. Передачу данных через телефоны не предпочитает большее количество людей, так как люди даже не понимают, какие данные отсылает телефон.

Рисунок 2. Результаты опроса №2

По результатам 2 опроса выяснилось, огромная часть пользователей будут пользоваться таким приложением для удобства передвижения на поездах. Пятая часть от всех опрошенных считает, что их все устраивает и только 4% считает, что эти технологии помогать не будут.

В результате нашего исследования выяснилось, что технологии IoT уже довольно развиты для того, чтобы облегчить жизнь людям при поездках на поездах, и эти интеграции поддерживает большинство из опрошенных.

Список литературы:

1. Алексей Стейнерт. Количество людей на станциях // MKRU —2016. [электронный ресурс] — URL: https://www.mk.ru/social/2016/ 06/28/sostavlen-reyting-zagruzhennosti-elektrichek-tyazhelee-vsego-na-yaroslavskom-vokzale.html (дата обращения: 12.05.2021)
2. Общество. Интернет вещей // Wikipedia — 2021. [электронный ресурс] — URL: https://ru.wikipedia.org/wiki/%D0%98%D0%BD%D1 %82%D0%B5%D1%80%D0%BD%D0%B5%D1%82_%D0%B2%D0%B5%D1%89%D0%B5%D0%B9 (дата обращения: 12.05.2021)
3. Крис Стокел-Волкер. ИИ может помочь определить, сколько людей находится в большой толпе // NewScientist — 2019. [электронный ресурс] — URL: https://www.newscientist.com/article/2220546-ai-could-help-work-out-how-many-people-are-in-large-crowds/ (дата обращения: 12.05.2021)
4. Общество. Статистика метро // Газета КОММЕТ — 2020. [электронный ресурс] — URL: https://kommet.ru/stats# (дата обращения: 12.05.2021)
5. Общество. Как работают Яндекс.Пробки // Яндекс.Дзен — 2020. [электронный ресурс] — URL: https://yandex.ru/company/technologies /yaprobki/ (дата обращения: 12.05.2021)