РАЗПОЗНАВАНЕ НА АВТОМОБИЛИ ОТ ОРТОФОТО

ИНСТИТУЦИЯ: GATE Institute

ИЗСЛЕДОВАТЕЛИ: имена с информация за LinkedIN профил
Емил Христов - https://www.linkedin.com/in/emil-hristov-/
Евгений Ширинян - https://www.linkedin.com/in/evgeny-shirinyan-82341135/
​​​​​​​Кристиян Стефанов - https://www.linkedin.com/in/kristiyan-stefanov-1922662a8/ 

Изследването прилага ArcGIS модел за автоматизирано разпознаване на автомобили върху ортофото с висока резолюция на София от 2020 г., предоставено от ГИС София. В резултат са идентифицирани общо 402 967 автомобила . Процесът на разпознаване е повлиян от сезонни фактори - гъстата зеленина и сенките на дърветата през лятото затрудняват засичането на част от паркираните автомобили. Това открива потенциал за подобряване на точността чрез използване на зимни ортофото снимки, където растителната покривка е минимална.

 

Засечени автомобили в част от София (ортофото 2020)

Въпреки ограниченията, анализът позволява да се наблюдават интересни пространствени модели, свързани с:

  • разпределението на трафика
  • зоните със задръствания
  • разпределението на автомобилите в паркинги и клъстерирани зони за паркиране

За по-задълбочен анализ, разпознатите обекти са съпоставени с тематични слоеве на градската инфраструктура: улици, тротоари, велоалеи, зелени площи и пешеходни улици. Така се установява къде именно са локализирани автомобилите:

  • Най-голям брой автомобили са разположени върху уличното платно - 143 191 броя (около 36%), както и в други зони като паркинги и вътрешни дворове - 233 581 броя (приблизително 58%).
  • Значителен брой автомобили (25 288 броя) са засечени върху тротоари, което подчертава проблема с нерегламентираното паркиране в пешеходни пространства. Следва обаче да се има предвид, че в тази категория попадат и зони, които в момента не са реализирани като тротоари, но са планирани като такива в подробния устройствен план на кварталите
  • Много малък брой автомобили са засечени на велоалеи (42) и пешеходни улици (2).

Ключови изводи:

  • Моделът демонстрира значителен потенциал за мониторинг на автомобилния трафик и градската мобилност.  
  • Качеството на ортофото снимките и сезонността влияят на точността и пълнотата на анализа.  
  • При оптимизация на метода (по-добра резолюция, зимни снимки, подобрен семантичен анализ, честота на заснемане) може да се създаде надежден инструмент за градско планиране, управление на паркирането и намаляване на задръстванията.

Дoпълнителна информация: https://city.gate-ai.eu/