Anwendung von IoT und Computer Vision zur Entwicklung von zwei Smart-Parking-Lösungen

Erfolgsgeschichte: Wie Infopulse IoT und Computer Vision nutzt, um zwei intelligente Parklösungen zu entwickeln

Im Rahmen der F&E-Aktivitäten bei Infopulse und mit unserem aufrichtigen Bestreben, zur Entwicklung ukrainischer Smart City beizutragen, hat das Innovations-Lab bei Infopulse das MyParking-Projekt für intelligente Städte ins Leben gerufen. Der erste Teil des Projekts wurde während eines 48-stündigen IoT-Hackathons entwickelt und später durch die Computer-Vision-Technologie erweitert.

Entdecken Sie in unserem neuen Blogartikel, wie wir IoT und Computer Vision anwenden, um eine Smart-Parking-Lösung zu entwickeln.

Ideengestaltung für intelligente Parklösungen

Infopulse arbeitet seit einiger Zeit an Ideen und Projekten für intelligente Städte. Eines der Beispiele ist das Lwiwer Selbstbedienungs-Portal für E-Governance, in dem den Bürgern Online-Verwaltungsdienste angeboten werden.

Das Konzept eines neuen Smart-City-Projektes ist entstanden, als wir aktiv über neue Ideen für IoT-Produkte diskutiert haben. Viele Infopulse-Spezialisten waren mit dem Mangel an Parkplätzen in überfüllten Zentren konfrontiert. Es war schon immer mal ein Problem für jeden Fahrer, einen freien Platz in der Innenstadt während der Geschäftszeiten zu finden. Die durchschnittliche Suchzeit könnte von 5 bis 20 Minuten dauern, von den zusätzlichen Spritkosten ganz zu schweigen.

Das Interesse an dem Projekt, das die Fahrzeit, die Tankkosten, das Verkehrsaufkommen und die Luftverschmutzung reduzieren könnte, hat das Team dazu bewogen, zwei Lösungen zu entwickeln, die sich gegenseitig ergänzen und die Ressourcen für die Umsetzung einteilen:

• Eine IoT-Lösung, basierend auf Magnetfeldsensoren und Mikrocontroller-Programmierung.
• Eine Computer-Vision-Lösung, basierend auf dem Maschinellen Lernen, Hyper-Connectivity und OpenCv3 für das Videoüberwachungssystem

Schauen wir uns die beiden Lösungen nacheinander an.

Annahme der Herausforderung

Der Garage48-IoT-Hackathon 2016 wurde zum guten Startpunkt, um unsere intelligenten Parkideen zu verbessern, das Konzept weiter zu entwickeln und die Kompetenzen des Unternehmens im IoT-Bereich zu stärken, damit unsere ursprüngliche Idee später mit Hilfe der Computer-Vision-Technologie verbessert werden kann.

Das MyParking-Projekt hat die Hauptanforderung beim Hackathon 2016 genau getroffen und Innovationen präsentiert, die praktische Lösungen für intelligente Infrastrukturen darstellen.

Das freiwillige Team des MyParking-Projekts bestand aus Managern, Vermarktungsexperten, Entwicklern, Hardware-Ingenieuren und Designern. Alle Mitglieder waren bereit, sich in ihrer Freizeit einzubringen und an der schnellen Anwendungsentwicklung für das Internet der Dinge und mit Hilfe der Computer-Vision-Technologien mitzuwirken.

Analyse der Marktanforderungen

Als Artem Butrii, Delivery-Manager bei Infopulse, seine ersten Ideen und Einsichten vorgestellt hat, hat das Team erkannt, dass es erheblicher Änderungen am IoT-Projekt bedarf, um den wesentlichen Marktanforderungen gerecht zu werden.

Infopulse-Projektleiter Oleg Nalyvaiko und sein Team haben Beispiele für bestehende Smart-Parking-Lösungen von Intel und Bosch analysiert. Dies hat dazu beigetragen, dass der Markt für intelligente Parklösungen erforscht, unsere eigene Sicht des Produkts entworfen und neue Lösungsansätze gefunden werden konnten.

Zum Beispiel funktioniert der Smart-Parksensor von Bosch ähnlich wie der imInfopulse-Projekt. Dennoch könnte der geschätzte Preis für ein solches Gerät bis zu $100 reichen, was es für die Massenproduktion in der Ukraine zu teuer macht.

Ein weiteres Beispiel ist das Smart-Parking-System von Siemens mit seinen auf den Straßenlaternen oben platzierten Radarsensoren. Sein Nachteil ist die begrenzte Anzahl von Parkplätzen, die das Radar abdecken kann, da die Straßenlaternen in vielen Städten auf den Parkplätzen nicht homogen verteilt sind.

Das Infopulse-Team musste eine Lösung entwickeln, die in die Budgets der Parkhausbesitzer oder Stadträte passen könnte. Der Erfolg eines solchen Gerätes hängt weitgehend von seinen Kosten und seiner Funktionalität ab. Der Preis für das Endprodukt musste bei ca. $ 5 liegen, was ein vernünftiger, fairer und erschwinglicher Betrag wäre. Darüber hinaus wollte das Team ein kleines Gerät machen, damit es problemlos unter der Oberfläche eines Parkplatzes installiert werden könnte. Es war eine große Herausforderung, einen Monat vor dem Hackathon die passende technische Lösung zu finden.

Die IoT-Smart-Parking-Lösung

Die primäre Aufgabe des Teams war, eine effiziente Basis für die Parksensoren zu bauen. Während der Vorbereitung auf den Hackathon fanden sich drahtlose, billige und langlebige Mikrocontroller, die sich gemeinsam mit den Sensoren leicht in die Parkplatzoberfläche montieren ließen. Der niedrige Energieverbrauch dieser Geräte erlaubt es ihnen, mindestens 5 Jahre lang von einer Batterie zu arbeiten. Es wurde beschlossen, einen druckfesten Schutz zu verwenden, um das Gerät vor Beschädigungen zu schützen und die Ressourcen bei der Wartung zu sparen.

Das Team hat den Prototyp mit Hilfe der Magnetfeldsensoren und Mikrocontroller entworfen:

• Der Sensor erkennt die Magnetfeldauslenkungen, wenn das Auto auf einen Parkplatz fährt.
• Die Auslenkungen werden an einen Mikrocontroller weitergegeben, um Informationen über das ZigBee-Protokoll an den Hub und dann an die Cloud zu übermitteln. Der Grund für die Wahl des ZigBee-Protokolls durch das MyParking-Team ist die Senkung der Kosten für das gesamte System und die Langlebigkeit der Batterie dabei.
• Mit Hilfe des ZigBee-Protokols werden die Daten kettenweise von einem Sensor zu dem anderen übertragen, wenn die drahtlose Verbindung mit dem Hub nicht ausreicht.
• Nachdem die Daten die Cloud erreicht hatten, zeigt schließlich die mobile oder die Web-Anwendung die verfügbaren Parkplätze auf der Karte an.

Dieses Projekt hat bei der Hackathon-Jury hohe Wertschätzung erfahren und die Auszeichnung “The Best Business Case” bei dem 48-stündigen IoT-Hackathon bekommen. Allerdings haben unsere Bemühungen hier nicht aufgehört, da wir Raum für weitere Verbesserungen gesehen haben.

Computer-Vision-Lösung und Maschinelles Lernen

Eine weitere komplementäre Lösung für das MyParking-Projekt war die Verwendung von Videoüberwachungskameras auf den Parkplätzen. Diese Kameras könnten auch Informationen über die Positionen der geparkten Autos und die leeren Plätze für die Cloud liefern. Allerdings können so mehr Daten extrahiert werden und damit kann die Funktionalität des Systems erweitert werden.

Während die Magnetfeldsensoren die Kennzeichen und die Fahrzeugmodelle nicht erkennen können, konnten die Überwachungskameras mehrere Funktionen liefern. Das Team hat Computer-Vision-Algorithmen und Maschinelles Lernen angewandt, um freie Parkplätze, Kennzeichen der umliegenden Autos und sogar ihre Modelle zu bestimmen. Eine solche Lösung würde Zahlungen automatisieren, Straftaten erkennen und bei Verbrechen, wie etwa Autodiebstählen, ermitteln können.

Wir haben folgende Technologien verwendet:

• OpenCv3, Maschinelles Lernen, CUDA, Scikit-Learn, Numpy, Pandas Data Analysis Library
• Für die Autoerkennung (Kennzeichen und Modell) verwenden wir den k-Nearest-Neighbor-Algorithmus und erreichen damit sehr gute Ergebnisse bei OCR-Aufgaben mit eingeschränkten Daten.

Wenn wir die Notwendigkeit zusätzlicher Ressourcen oder Ausgaben bewerten wollten, so wäre die Computer-Vision-Lösung einfacher zu implementieren, da viele Parkplätze bereits über installierte Überwachungskameras verfügen.

MyParking-Projekterfolge

Mit diesen beiden Lösungen hat unser Team gezeigt, wie man ein wettbewerbsfähiges Geschäftsmodell entwickelt, das sowohl für Stadträte als auch für Autobesitzer erschwinglich ist, und ein Produkt entworfen, das im Vergleich zu den bestehenden Produkten mehr Vorteile bieten könnte. Die geringen Kosten für die Produktion und die Ausstattung der Parkplätze mit gebrauchsfertigen Sensoren, die Einfachheit der Montagevorrichtungen und deren Wartung sind die stärksten Seiten unserer Lösungen.

Das MyParking-Projekt hat unser Know-how durch die Nutzung von IoT und der Computer-Vision-Technologien bei der Entwicklung einer intelligenten Stadt wirksam gestärkt, sodass Infopulse zu noch komplexeren Projekten übergehen kann.

In unserem nächsten Artikel erzählen wir Ihnen, wie wir mit unserem Projekt für Lungenkrebsfrüherkennung am Kaggle Data Science Bowl 2017 teilgenommen haben.