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.