AI pro sčítání cestujících v autobusech: technická realizace v Indii

Umělá inteligence pro sčítání cestujících: technická realizace systému pro indické autobusy

Řešení založené na AI pro dopravní systémy: jak to funguje

Moderní technologie umělé inteligence (AI) otevírají nové možnosti pro řešení úkolů v dopravním sektoru. Jedním z takových úkolů se stalo přesné sčítání cestujících v indických autobusech, kde systematické podvody ze strany personálu vedou k významným finančním ztrátám. V tomto článku rozebereme technickou stránku projektu, včetně architektury systému, vývoje vlastní neuronové sítě a dodržování indické legislativy v oblasti ochrany dat.

Od nápadu k realizaci: sběr dat a příprava

Projekt začal podrobnou analýzou provozních podmínek autobusů v Indii. Za tímto účelem byla zorganizována pracovní cesta, v jejímž rámci se podařilo prostudovat konstrukci vozidel, určit optimální úhly instalace kamer a nasbírat primární datovou sadu. Během pěti dnů bylo natočeno asi hodina videa v rozlišení 4K, na jehož základě byla vytvořena datová sada IndiaBus-v1.0. Tyto materiály umožnily odhalit klíčové problémy detekce, jako jsou překrytí, odrazy a rozdíly v osvětlení, a také stanovit požadavky na vybavení.

Výsledky této práce se staly základem pro instrukce k instalaci kamer a protokolů pro přenos dat. Data z autobusů se stahují přes WiFi nebo GSM na konečných zastávkách, což minimalizuje náklady na infrastrukturu. Rychlost přenosu dosahuje 400 Mb/s a doba stažení dat za jednu jízdu je 5–10 minut. Tento přístup umožňuje rychle zpracovávat velké objemy informací bez zpoždění.

Architektura systému: tříúrovňový přístup

Systém pro sčítání cestujících je postaven na třech úrovních, z nichž každá plní své úkoly:

• Palubní úroveň: zahrnuje kamery pro zaznamenání nástupu a výstupu cestujících, GPS modul pro určení polohy a SSD úložiště pro ukládání dat během jízdy (objem cca 15 GB za jízdu).
• Úroveň přenosu: data se přenášejí na server na konečných zastávkách přes WiFi nebo GSM vysokou rychlostí.
• Serverová úroveň: zde probíhá zpracování za použití AI. Nejprve se použije model YOLO pro detekci obličejů, poté se provede výřez obrázků a následně extrakce embeddingů pomocí vlastní neuronové sítě Adaptive Face Extractor. V závěrečné fázi se embeddingy porovnávají pro identifikaci cestujících a data se přiřazují k zastávkám pomocí GPS a časových značek.

Tento přístup umožňuje nejen přesně sčítat cestující, ale také vypočítat cenu jízdného pro každou osobu na základě ujeté trasy. Vzorec pro výpočet je jednoduchý: součet tarifů za všechny zastávky mezi místem nástupu a výstupu.

Proč vlastní neuronová síť: výhody Adaptive Face Extractor

Pro zpracování dat byla vyvinuta vlastní architektura Adaptive Face Extractor namísto použití hotových řešení, jako jsou FaceNet nebo ArcFace. Důvody tohoto rozhodnutí spočívají ve specifičnosti úkolu a dat:

• Adaptace na indické podmínky: hotové modely, trénované na západních datových sadách, vykazovaly nízkou přesnost (kolem 90 %) při práci se snímky, kde jsou přítomny sárí, turbany a nestandardní osvětlení. Vlastní síť dosáhla přesnosti 96,3 % na indických datech.
• Optimalizace zdrojů: velikost modelu je pouhých 4,7 MB oproti 98 MB u komerčních řešení a doba inference na CPU je 42 ms oproti 280 ms.
• Proměnlivá velikost vstupu: architektura podporuje zpracování obrázků různého měřítka (od 80×80 do 180×160 pixelů), což je klíčové při různém vzrůstu cestujících a vzdálenosti od kamery.
• Kontrola dat: použití vlastního modelu vylučuje přenos biometrických dat na externí API, což odpovídá požadavkům legislativy.
• Úspora nákladů: absence licenčních poplatků, které by při škálování na 180 000 cestujících denně mohly dosáhnout milionů rupií měsíčně.

Architektura Adaptive Face Extractor zahrnuje několik klíčových bloků: počáteční blok s Conv2D a BatchNorm, multiskálový blok s paralelními větvemi, mechanismus pozornosti Squeeze-and-Excitation a finální vrstvy pro získání embeddingu o velikosti 512D nebo 1024D. Trénink probíhal na datové sadě IndiaBus-v1.0 s použitím loss funkce ArcFace Loss a augmentace dat pro zvýšení odolnosti modelu.

Synchronizace dat a výpočet ceny jízdného

Pro přesné sčítání cestujících a určení trasy každého člověka se používá synchronizace dat z kamer a GPS. Přijímač podporuje NavIC L1 a GPS L1/L5, což zajišťuje přesnost do 10 metrů. Časové značky se synchronizují přes NTP server v Bombaji s chybou menší než 100 ms. Souřadnice se zaznamenávají každých 15 sekund a každý snímek videa je označen údaji o poloze a čase.

Porovnání embeddingů nástupu a výstupu se provádí pomocí kosinové podobnosti. Práh podobnosti je zatím ve fázi ladění, aby bylo dosaženo rovnováhy mezi přesností a úplností rozpoznávání. Kód pro porovnání vypadá následovně:

def compare_faces(embedding1, embedding2, threshold):
    similarity = np.dot(embedding1, embedding2)
    if similarity > threshold:
        return True  # Jedna osoba
    else:
        return False  # Různé osoby

Dodržování legislativy: ochrana dat podle DPDPA 2023

Jedním z klíčových aspektů projektu bylo dodržení indického zákona o ochraně osobních údajů (DPDPA 2023). Tento zákon je méně přísný než GDPR nebo CCPA, ale přesto klade vážné požadavky. Maximální pokuta za porušení může dosáhnout 250 crore rupií (asi 2,7 miliardy rupií), ačkoli se uplatňuje pouze za závažné přestupky, jako je únik dat nebo absence bezpečnostních opatření.

Pro splnění požadavků zákona byla realizována následující opatření:

• Data se ukládají výhradně na serverech v Indii (region Bombaj).
• Obrázky obličejů se uchovávají pouze 90 dní pro ladění, poté se smažou, zatímco embeddingy (které neumožňují obnovit původní obrázky) se uchovávají déle.
• V interiérech autobusů jsou umístěny informační tabulky v maráthštině, hindštině a angličtině pro získání informovaného souhlasu.
• Používá se šifrování TLS 1.3 a AES-256-GCM.
• Provádí se čtvrtletní audit třetí stranou.

Soulad s DPDPA 2023 nejen minimalizuje rizika, ale také poskytuje konkurenční výhodu, umožňuje pracovat v podmínkách, kde by se jiné společnosti mohly setkat s omezeními.

Co je důležité

• Technická realizace: tříúrovňová architektura systému zajišťuje sběr, přenos a zpracování dat pro přesné sčítání cestujících.
• Vlastní model: Adaptive Face Extractor překonává hotová řešení v přesnosti na indických datech (96,3 %) a optimalizaci zdrojů (4,7 MB, 42 ms na CPU).
• Dodržování zákona: soulad s DPDPA 2023 minimalizuje rizika pokut a poskytuje konkurenční výhodu na trhu.
• Synchronizace dat: GPS a časové značky umožňují přesně vypočítat trasu a cenu jízdného pro každého cestujícího.

— Editorial Team