Интеллектуальные транспортные системы

Несколько слов о терминологии, это – важный момент. Когда сегодня говорят о реальном ИИ, следует понимать: речь идет об узконаправленном ИИ, в котором используются некие системы для решения интеллектуальных задач. Даже счеты, которыми виртуозно владели продавщицы советских времен, тоже в каком-то смысле – инструмент искусственного интеллекта. Это ИИ, «заточенный» под решение каких-то конкретных интеллектуальных задач. Ему противопоставляют «теоретический» ИИ, который может сам решать интеллектуальные задачи любой сложности. Но до его создания еще очень и очень далеко.

Еще одно заблуждение лингвистического толка – нейронная сеть. То, что программисты назвали так архитектуру системы ИИ, и его подвидом в системах глубокого обучения может быть как одна нейронная сеть, так и несколько, не означает, что ее элементарные логические элементы, которые производят с данными некие преобразования, хоть как-то похожи на нейроны. Нейроны – это клетки нервной системы живых существ, которые обладают электрической активностью. Нейрон чаще всего имеет много коротких отростков (дендритов) и один длинный (аксон). Электрический сигнал от нейрона к нейрону передается через химический контакт (синапс) при помощи специальных молекул (нейромедиаторов). Один нейрон может иметь до 100 000 синапсов. В нейронных сетях ИИ нет ничего похожего на синапсы, нейромедиаторы, дендриты, аксоны и так далее, нейрон любого организма гораздо сложнее, он – в корне другой.

Единственная схожесть наблюдается в случае так называемых сверхточных нейронных сетей, которые направлены на распознавание изображений. Здесь архитектура нейросети копирует некоторые элементы обработки визуального сигнала в сетчатке глаза и коре головного мозга.

Новости о том, что через некоторое время досмотр пассажиров заменит искусственный интеллект, что приведет к ускорению процесса, осуществляемого сегодня специально обученными сотрудниками служб транспортной безопасности, в частности, специалистами по досмотру, дополнительному досмотру и повторному досмотру, специалистами, осуществляющими наблюдение и (или) собеседование, не говоря уже о работниках групп быстрого реагирования, так же явно преждевременны.

В настоящий момент предполагать, что системы ИИ могут в будущем заменить человека на многих участках работы, бессмысленно. Интеллекта у роботов нет. Можно научить их видеть, выделять объекты, но что с ними делать, робот не знает. Он может говорить, и создается иллюзия, что он все понимает. На самом деле он практически выхватывает слова из заданного вопроса, совершенно не понимая их смысла.

Серьезным барьером для стремительного развития искусственного интеллекта является то обстоятельство, что при переходе от простых к более сложным задачам время вычислений растет не линейно, а экспоненциально.

Интеллектуальные транспортные системы позволят решить ряд вопросов по управлению дорожно-транспортным комплексом, в том числе – проблемы социального характера. Но мы еще только в самом начале пути, хотя это обстоятельство, конечно же, ни в коем случае не перечеркивает достижения разработчиков.

И не забудем, что развитие собственно технологий требует адекватной подготовки тех, кто управляет этими системами. В частности, водителей, машинистов и всего персонала, участвующего в процессах управления ИТС. Здесь, поверьте, пока тоже очень много нерешенных проблем.

Современные мегаполисы являются сложными транспортными системами, глубоко интегрированными в структуру безопасных и умных городов. Сегодня уже трудно себе представить развитие и управление транспортными потоками в больших городах без интеллектуальных транспортных систем, которые контролируют движение транспортных средств на подъездах и в самом городе, оптимизируют работу светофоров и городского освещения, а также значительно повышают безопасность и эффективность движения на дорогах.

В качестве примеров применения систем автоматического обнаружения инцидентов (AID) для крупных автомагистралей, мостов и туннелей можно привести несколько конкретных проектов, реализованных нашей компанией. Hong Kong Zhuhai Macao Bridge (Гонконг Чжухай Макао Бридж) – объект представляет собой пересекающийся в нескольких точках мост длиной 29,6 км, серию туннелей общей протяженностью 11,6 км и более 10 км надземных дорог. На этом объекте система AID включает в себя 3 операционных центра и более 300 камер, по крайней мере половина из которых – интеллектуальные. Основной мост соединяется с сетью надземных дорог на береговой части Гонконга, которая также оборудована системой AID для наблюдения за дорожным движением и обнаружения инцидентов.

В Брюсселе, столице Бельгии и административной столице Европейского Союза, проживают 2 миллиона человек. Городская транспортная инфраструктура в значительной степени состоит из ряда туннелей, особенно это характерно для городской кольцевой дороги. В пятнадцати туннелях задействована централизованная система AID, и осуществляется сбор данных о движении с определенных камер (в общей сложности – с 450 камер). Для работы с большим количеством камер и аварийных сигналов были реализованы следующие операторские интерфейсы: одиночный экран аварийных сигналов, предназначенный для отображения последних 3 аварийных сигналов; панель инструментов для обзора системы; интерфейс отчетности по трафику. Фильтр AID является критически важной функцией для управления и фильтрации аварийных сигналов, генерируемых почти 500 камерами в туннелях и на подъездных путях.

Крупные мегаполисы реализуют свои собственные программы ИТС, поэтому опыт каждого такого города по-своему уникален и достоин отдельного изучения. Задача борьбы с транспортными заторами и оптимизация городских и пригородных транспортных потоков схожи только на первый взгляд. Если изучать источники возникновения проблем, то в каждом городе выявится своя уникальная специфика. К ней относится и текущая структура транспортных потоков, и места расположения центров притяжения граждан (места работы, спортивные и культурные комплексы, вокзалы, иные места массового пребывания людей), и уровень доходов населения, и фактор сезонности, особенно для городов, расположенных в туристических зонах и местах паломничества, и текущий уровень развития ИКТ. Что касается последнего, то процесс создания ИТС в городе невозможно отделить от процесса автоматизации и информатизации остальных служб города, а он в разных городах даже в рамках одной страны отличается весьма сильно. Поэтому трудно говорить об отличиях российского опыта в создании ИТС от общемирового, скорее, следует говорить об отличиях в подходах Москвы и Токио, например.

В целом, можно выделить некоторые общемировые тренды в построении ИТС:

• обеспечение служб города актуальной информацией о текущем состоянии транспортной инфраструктуры путем создания измерительной системы на основе технологий «интернета-вещей» (IoT); 
• внедрение систем адаптивного управления светофорами, боллардами и другими устройствами дорожной инфраструктуры на основании информации о загруженности дорог с целью перенаправления и синхронизации транспортных потоков, предупреждения образования дорожных заторов; 
• внедрение интеллектуальных систем прогнозирования транспортной ситуации в городе, оптимизация расходов на развитие транспортной инфраструктуры за счет прогнозирования возможных результатов принятия решений; 
• использование интеллектуальных систем моделирования транспортной ситуации при проектировании дорог, перекрестков, переходов, режимов работы светофоров и иных задач; 
• внедрение систем мониторинга местоположения и текущего состояния городского транспорта, создание «умных» остановок; 
• создание систем информирования граждан о текущей загруженности дорог и состоянии парковок (наличие свободных мест), в том числе с помощью мобильных приложений; 
• синхронизация транспортных потоков различного характера (автобусы, метро, трамваи и пр.), для снижения времени, которое пассажиры тратят на пересадки; 
• внедрение беспилотных автотранспортных и железнодорожных систем, включая метро; 
• автоматизация процессов управления и учета работы подрядных организаций, осуществляющих уборку снега на дорогах, переездах и остановках, адаптивное управление уборкой с учетом текущей погодной и транспортной ситуации; 
• использование беспилотных летательных аппаратов для задач мониторинга транспортных потоков, качества уборки снега на дорогах и переездах, качества покрытия дорог и пр.; 
• переход к использованию беспроводных технологий (связи, электропитания); 
• поощрение использования электромоторного транспорта, создание сети электрических зарядных станций.
  

С ростом населения и развитием автомобильной промышленности необходимость внедрения ИТС стала очевидна. Прежние подходы, как, скажем, расширение дорог, увеличение их количества, стали бесполезными. Особенно наглядно это видно на примере крупных городов США и Китая. Эффективная эксплуатация существующей улично-дорожной сети и её оптимальное развитие потребовали внедрения современных высокотехнологичных решений. Комплексное внедрение технологий и средств автоматизации, ориентированное на предоставление оптимальных транспортных сервисов участникам дорожного движения, стало все чаще применяться в мире. Подсистемы ИТС сегодня широко внедрены и продолжают развиваться в Корее, Японии, США, Германии, Австралии и в других странах.

Надо сказать, что математические модели и алгоритмы, лежащие в основе ИТС, начали разрабатываться ещё в середине XX века. Внедрение ИТС в России началось в Москве и Санкт-Петербурге. Однако широкое комплексное внедрение автоматизации потребовало технологий, которые стали доступны только недавно. С 2016 года наблюдается новая тенденция: элементы ИТС шагнули за пределы городов федерального значения и стали появляться в других миллионниках, на платных трассах.

Если говорить об использовании мирового опыта в России при создании ИТС, то можно сказать, что у нас перенимаются все лучшие практики и перспективные направления в этой области. Одним из основных двигателей этого процесса является нацпроект «Безопасные качественные автомобильные дороги». Согласно одной из целей проекта – снижению количества и тяжести ДТП — идет активное внедрение решений для безопасности дорожного движения. Здесь лидирующее положение занимают комплексы фото- и видеофиксации нарушений ПДД. Так на сегодня в России насчитывается более 12 000 комплексов, а к 2024 году планируется довести их количество до 19 000. Вторая активно наследуемая у нас подсистема ИТС – автоматическая система управления дорожным движением (АСУДД). АСУДД в современном виде представлена в Москве, Санкт-Петербурге, Нижнем Новгороде, Самаре, и в рамках БКАД будет развита на различных дорогах страны.

Следующий этап в развитии ИТС в России – это решения в области управления и диспетчеризации общественного транспорта и мультимодальных пассажирских перевозок. Цель таких систем – обеспечить комфортное перемещение на общественном транспорте. Это позволит снизить количество транспорта на улицах, минимизировать заторы, создать комфортные условия для жителей и развития экономики крупных городов.

Как было сказано выше, структура и даже назначение ИТС могут сильно отличаться от города к городу, но основные тренды в области информационных и коммуникационных технологий сильно влияют на развитие ИТС. Из всех цифровых технологий в ИТС нашли свое применение: системы видеоаналитики и системы распознавания лиц, построенные на нейронных сетях; беспилотные летательные аппараты; беспроводные технологии передачи информации; решения по обработке больших данных (Big Data) и машинного обучения; системы интернета-вещей; геоинформационные системы; BIM-технологии; искусственный интеллект; системы цифрового видеонаблюдения ультравысокого разрешения.

Говорить о широком применении указанных технологий еще рано, но они стремительно набирают популярность, так как позволяют решать задачи, казавшиеся слишком дорогими и сложными еще несколько лет назад.

В России на текущий момент уже сформировано общее понимание о структуре и назначении ИТС, которое отражено в проектах ГОСТов, методических указаниях министерства транспорта и РОСАВТОДОРа. Если обобщить всю информацию, то назначение ИТС – создание для всех участников движения комфортные и безопасные условия для перемещения и перевозки грузов. Здесь подразумевается повышение безопасности дорожного движения, оптимизация транспортных потоков, управление системой общественного транспорта, взаимодействие транспортных средств, участников дорожного движения и дорожной инфраструктурой между собой, и др. Нельзя забывать, что участниками движения являются не столько автомобили, сколько люди – водители и пешеходы. И это является определяющим при понимании концепции ИТС.

Для ИТС используют огромный спектр технологий, включая современные нейронные сети и искусственный интеллект. ИТС – это оптимальная интеграция решений, созданных разными разработчиками в разное время. Не всегда самые современные технологии рационально использовать с учетом особенностей региона или задачи. Поэтому невозможно создать некий ограниченный список, который можно было бы здесь привести.

Могу сослаться на опыт нашей компании. На сегодняшний день востребованы технологии компьютерного зрения, распределенная обработка сигналов, нейронные сети, специализированные ускорители вычислений, высокоэффективные матрицы видеокамер, проводные и беспроводные способы передачи данных, ЭЦП и прочие.

Современная ИТС – это сложный механизм, который контролирует все городские подсистемы, связанные с движением, в круглосуточном режиме. В ее задачи входит управление дорожным движением, сбор/хранение/передача данных в единый центр мониторинга, информирование участников движения о текущей транспортной ситуации, фиксация нарушений, обеспечение безопасности дорожного движения, распределение приоритетов движения для ТС экстренных служб и наземного пассажирского транспорта.

Еще одной важной задачей ИТС является прогнозирование развития сложной дорожной ситуации, предсказание на основе анализа больших данных загруженных участков. Сюда же входит выявление и анализ различных типов нарушений на дорогах: проезд на красный свет, движение по встречной полосе, смена полосы движения с нарушением ПДД, нарушение правил парковки, превышение скорости, непристегнутые ремни безопасности и другие нарушения.

Стандартная ИТС состоит из нескольких элементов: камеры видеонаблюдения с расширенными функциями аналитики, радары для определения плотности потока, интеллектуальные светофорные системы, серверы управления.

До недавнего времени такие системы в основном имели ПО на серверах, на которые информация приходила от различных датчиков и видеокамер. Сегодня, благодаря развитию систем IP-видеонаблюдения и использованию процессоров с высокой производительностью, появилась возможность размещать аналитику непосредственно на борту камеры, что позволяет значительно упростить и удешевить систему. Зачастую удаётся установить аналитику на уже существующую и работающую систему IP-видеонаблюдения, используемую для целей безопасности. Таким образом происходит интеграция систем безопасности и ИТС.

И, конечно же, в данном случае очень важно выбирать ИТС, которые легко интегрируются в общую систему видеонаблюдения. В мире уже наблюдается ярко выраженная тенденция интеграции систем безопасности и ИТС в концепции безопасного и умного города.

ИТС – это система управления ключевой инфраструктурой государства и, как любая стратегически важная система, должна быть защищена от несанкционированного вмешательства как в физическом плане, так и в информационном (взломы, несанкционированный доступ, утечка данных, заражение вредоносными программами). Вся нормативная документация, определяющая требования к ИТС, выделяет систему безопасности в отдельную обязательную к внедрению подсистему.

Сегодня ИТС – это намного больше, чем просто оборудование и технологии. ИТС предполагает проведение системных изменений городской транспортной системы. Ключевое слово здесь – интеллект. С его помощью ИТС может предоставлять услуги населению, повышать эффективность, безопасность и экологичность транспорта, развивать устойчивую мобильность современного мегаполиса. В конечном счете, интеллектуальная транспортная система призвана создавать комфортные условия для передвижения по городу, а также сократить экономические потери города из-за пробок.

Анализ больших данных в ИТС также можно использовать для бизнес-задач, что существенно расширяет возможности ее применения. Например, в зависимости от трафика и преобладающего состава участников движения можно транслировать на дорожных щитах ту или иную таргетированную рекламу или информацию, просчитывать объем потенциальной аудитории.

Суть ИТС состоит в том, что они должны помогать регулировать транспортные потоки, разгружать улично-дорожную сеть, предупреждать возникновение пробок. А системы безопасности призваны предотвращать угрозы и помогать в расследовании происшествий. Задачи разные, но с точки зрения технологий у этих двух систем могут быть пересечения. Конкретно: устройства, которые используются в системах безопасности, например, камеры видеонаблюдения, могут собирать данные для ИТС. Чтобы получить эти данные из видеопотока, необходима видеоаналитика. При этом наиболее ценную и точную информацию может предоставить видеоаналитика на основе нейронных сетей.

Это вопрос, касающийся безопасности региона, безопасности города. Узлы транспортно-логистической структуры с точки зрения движения огромного потока людей являются ключевыми точками транспортной системы. Во-первых, они пропускают через себя большое количество людей и транспортных средств, которые можно и нужно контролировать. Во-вторых, это точки повышенной террористической опасности. Понятно, что контроль огромного потока людей и транспортных средств силами нескольких десятков людей за мониторами в ситуационном центре, явно уступает технологиям с применением искусственного интеллекта, как в плане финансово- экономической эффективности, так и в плане эффективности работы в целом. Но надо учитывать, что сама отрасль безопасности сложно принимает передовые технологии и инновации, иногда – вполне обоснованно. Это и понятно, ведь цена ошибки в этом случае слишком велика. Вывод: должен быть найден компромисс между использованием передовых технологий и ответственностью представителей СБ. Прошедший в России чемпионат мира по футболу показал высокую эффективность применения систем искусственного интеллекта, а именно, распознавание лиц преступников на транспортных узлах. Мобильные системы, применяемые полицейскими для распознавания лиц в потоке людей, показали высокую эффективность в выявлении потенциальных нарушителей при проверке документов. Стоит отметить важность концептуальных систем в зонах пограничного контроля, в промышленных районах мегаполиса для мониторинга нахождения людей после окончания рабочего дня, контроль движения коммерческого транспорта и т.д.

По мере того, как городские улицы и тротуары становятся все более многолюдными, планировщикам городов приходится решать новые задачи безопасности, которые создают невнимательные пешеходы, растущее число велосипедистов и увеличение нагрузки на общественный транспорт. В то же время транспортные средства с полуавтономной системой управления и смарт-технологиями, позволяющими устанавливать связь друг с другом и с придорожной инфраструктурой, становятся все более популярны в крупных городах и на автомагистралях.

Перед ведущими инженерами по дорожному строительству и проектировщиками дорог стоит сложная задача: как выбрать из широкого спектра новейших технологий, ту самую, подходящую технологию, которая позволит повысить мобильность, безопасность и эффективность использования автомобильных дорог сейчас и в будущем, и которая придаст нам уверенности в том, что сделанный выбор – действительно разумное и надежное капиталовложение?

IP-камеры со встроенной видеоаналитикой являются ключевым компонентом интеллектуальных транспортных систем. В сочетании с другими системами управления городской инфраструктурой и дорожным движением умные IP-камеры предоставляют сведения о дорожной ситуации, предупреждают о рисках безопасности и предоставляют информацию, необходимую для принятия решений. В результате планировщики городов и ведущие инженеры по дорожному строительству могут создать умную, безопасную и стабильную транспортную экосистему.

Если сегодня посмотреть на предложения рынка, то мы найдём различные решения ИТС, исходя из качества, функционала, возможности интеграции и цены. Конечно, все эти факторы важны для выбора и не всегда нужно инвестировать в многофункциональные дорогие системы, если перед вами стоят простые задачи, и вы имеете ограниченный бюджет. Напротив, если задачи связаны непосредственно с безопасностью движения, нужно очень серьёзно подходить к выбору системы.

Возьмём, к примеру, функцию фиксации инцидентов. В данном случае от качества и точности срабатывания системы непосредственно зависит скорость реакции оператора на событие, принятие правильного решения и своевременная помощь. От того, как своевременно и правильно были приняты те или иные меры, может зависеть жизнь участников дорожного инцидента.

В принципе у системы фиксации дорожных происшествий есть два критерия: процент распознавания инцидентов и процент ложных срабатываний. Если система показывает большое количество ложных срабатываний, то доверие к ней уменьшается, и не всегда происходит адекватная реакция на реальные события. Если говорить о фиксации инцидентов с помощью камер на открытых участках, например, на магистралях, то мы можем получить довольно большое количество ложных срабатываний, возникающих из-за погодных условий, таких как дождь, который затрудняет съемку, а так же блики и отражения фар от луж и мокрого асфальта. Это могут быть и облака, и тени от столбов, стоек мостов, которые могут быть приняты системой за транспортное средство или упавший груз. В данном случае на помощь приходит искусственный интеллект, или, как его ещё называют, нейронные сети. Подобные системы пока ещё крайне дороги, и под силу в разработке только крупным компаниям. Их использование позволяет системе самообучаться на базе огромного количества информации, которую она собирает и анализирует. Как результат, система учится отличать реальные инциденты от ложных срабатываний.

Как показывает наш опыт, использование данных систем позволит сократить количество ложных срабатываний в 10 и более раз. Поэтому выбирая систему, необходимо понимать, насколько качественно она, работая на открытом объекте, готова отличать реальное событие от ложного сигнала.

Уверен, что в ближайшем будущем нейронные сети с постоянно повышающимися возможностями будут неотъемлемой частью ИТС.

Технологии нейронных сетей известны уже более 50 лет, но отсутствие необходимой аппаратной базы и соответствующей вычислительной мощности сильно тормозило развитие данного направления. Развитие ИТ-отрасли изменило ситуацию, и, например, уже существуют видеокамеры со встроенной аналитикой распознавания нештатных дорожных ситуаций на базе нейронных сетей. Главной отличительной особенностью нейронных сетей является их способность к обучению и адаптации, что значительным образом повысило качество систем видеоаналитики и открыло для них массовый рынок.

Технологии искусственного интеллекта в ИТС сегодня проходят, скорее, апробацию и применяются еще не так массово. Наиболее перспективным является применение технологий искусственного интеллекта при создании систем анализа и прогнозирования ситуации, автоматического управления беспилотным транспортом, адаптированного управления исполнительными механизмами дорожной инфраструктуры. Так как развитие искусственного интеллекта проходит свою раннюю стадию, ему пока не доверяют решение сложных задач, от которых может зависеть жизнь и здоровье граждан, поэтому, как правило, выносимые им решения проверяются экспертами прежде, чем дать им ход.

Мы живём в эпоху цифровой трансформации и технологии, которые сейчас разрабатываются в рамках лабораторий, а уже завтра могут найти свое массовое применение в ИТС. Зачастую предсказать, какие именно это будут технологии, крайне сложно. Однако уже сейчас видно, что внедрение ИТС даже на уровне современного технологического развития может существенно облегчить жизнь горожан и помочь осуществить переход от города как места проживания и работы к городу как цифровой платформе предоставления жителям различных услуг.

Нейронные сети и искусственный интеллект – это специфический инструментарий, алгоритмы, предназначенные для решения определенного класса задач. В первую очередь, это задачи распознавания, кластеризации экспертных оценок для поддержки принятия решений. Результат, который выдают нейронные сети и системы ИИ, всегда имеет вероятностный характер. Для решения некоторых задач это допустимо, для решения других задач с детерминированной моделью эти инструменты не подходят, и необходимо использовать другие средства. С уверенностью можно сказать, что в рамках ИТС найдется место как нейронным сетям и системам ИИ, так и иным средствам и подходам.

ИТС нового поколения использует интеллектуальные решения на базе нейросетей для расширения стандартного набора функций. Искусственный интеллект позволяет не только производить мониторинг и фиксирование нарушений, но и обеспечивать полностью автоматизированное управление дорожной сетью, снижая влияние человеческого фактора и повышая скорость реагирования на события.

Ранее я упоминал технологии анализа на базе алгоритмов глубокого обучения для определения индивидуальных параметров ТС (марка, цвет, тип и т.д.), а также отличительные особенности (например, повреждения от аварии, надписи на корпусе и т.д.). Данная информация особенно важна при поиске ТС в фото- и видеоархивах или по камерам в онлайн-режиме. Ближайший пример из нашей практики: весогабаритный контроль на дорогах. Штраф за перевес грузовых ТС может доходить до 500 тысяч рублей для юридических лиц, поэтому водители грузового транспорта часто скрывают номера при проезде стационарных постов весового контроля. В этом случае видеоаналитика на базе алгоритмов глубокого обучения позволяет найти нарушителей по отличительным приметам транспортного средства, чтобы привлечь их к ответственности. Такой же алгоритм используется и для борьбы со злостными нарушителями правил парковки, которые закрывают номера своего автомобиля.

Обращусь к опыту нашей компании: в 2019 году достигнут большой прогресс во внедрении технологи ИИ в рамках архитектуры ARM (Advanced RISC Machine). В мировой практике это направление, которое позволяет использовать возможности ИИ в небольших устройствах, например, в автомобильных регистраторах. Какие задачи решает внедрение технологий ИИ в данном случае? Во-первых, контроль за состоянием водителя, что особенно важно для крупных компаний – перевозчиков. ИИ распознает разные виды поведения человека: разговор по телефону, степень концентрации внимания на дороге, уровень усталости, психоэмоциональное состояние, пристегнут ремнем безопасности или нет. По характеру движений, скорости движения зрачков, частоте моргания технологии с применением ИИ позволяют определить психоэмоциональное состояние водителя, оценить его и, при необходимости, подать сигнал в центр наблюдения или локально, например звуковой или вибросигнал. Во-вторых, помощь водителю при движении на дороге. Анализ характера вождения, контроль за соблюдением скоростного режима и правил дорожного движения позволяют предупредить нежелательные ситуации на дороге. В-третьих, распознавание драк и потасовок. Видеокамеры распознают агрессивное поведение, и подают тревожный сигнал в центр наблюдения или локально, например, звуковой или вибросигнал. Также следует отметить решение задач личной безопасности граждан при пользовании услугами такси. ИИ в данном случае будет контролировать соответствие внешности водителя такси и реальных сотрудников компании – перевозчика. 

Стоит особо отметить, что технологии с использованием ИИ позволяют собирать огромное количество разнообразной информации для системы больших данных мегаполиса. Эти данные анализируются и позволяют решать глобальные задачи по регулированию трафика движения транспортных средств, потоков людей в общественных местах, на различных транспортных узлах в разное время дня и ночи. Использование камер видеонаблюдения в торговых центрах позволяет анализировать статус посетителей, их активность в зависимости от времени суток. А далее – принимать решение об эффективности функционирования тех или иных торговых компаний в разных районах города.