На колёсах: Как превратить минивэн в сканер городских данных

История одного исследования

Улица Московская, Саратов, в виде облака точек

Март 2017 года. По улицам Саратова едет тёмно-жёлтый микроавтобус «фольксваген каравелла», на крыше которого установлена странная конструкция, напоминающая антенну. Торчащая из неё связка проводов уходит через приоткрытое окно в салон автомобиля. На корпусе минивэна нет ни надписей, ни отличительных знаков. На светофорах водители других машин то и дело пытаются выяснить у пассажиров минивэна, чем они занимаются и что они прикрепили на крышу. И не опасны ли они.

За рулём микроавтобуса — саратовец Сергей. Он ответил на звонок исследователей из Москвы, искавших автомобиль для создания мобильного центра изучения городской среды, и согласился временно превратить свой «фольксваген» в огромный детектор на колёсах. Кроме него, в салоне ещё четыре человека: Максим Воротников, Дмитрий Масаидов, Антон Кожинский и Тимур Черкасов, который позвал первых троих принять участие в проекте. Все они смотрят на экраны своих компьютеров и следят за показаниями навигационных систем и датчиков, установленных на крыше минивэна. Черкасов — сотрудник консалтингового бюро «Стрелка», заказавшего исследование, и руководитель проекта. Помочь с разработкой оборудования и сбором данных он позвал знакомых экспертов, с которыми работал раньше.

Динамический анализ среды

«Фольксваген» едет по улицам и одновременно собирает данные о транспортной загруженности города, экологической обстановке, уровне шума и других параметрах. Скорость автомобиля варьируется от 15 до 60 километров в час. Каждый выезд длится около полутора часов — согласно методологии, команда выбирает время пиковой активности на дорогах утром и вечером. Те же маршруты минивэн проезжает ночью, чтобы замерить уровень освещённости улиц.

Данные тестового исследования в Москве
Данные тестового исследования в Москве
Данные тестового исследования в Москве
Данные тестового исследования в Москве
Данные тестового исследования в Москве
Данные тестового исследования в Москве

Сам автомобиль не пришлось переоборудовать или тюнинговать. Исследователи привезли из Москвы кучу приборов и крепёжных элементов, которые собираются в универсальную конструкцию для измерения города. Например, в Москве они протестировали упрощённую версию «антенны» на внедорожнике, сделав несколько кругов по району Измайлово. Установить такую конструкцию можно на любой автомобиль, главное, чтобы внутри хватило место всем участникам проекта и осталось пространство для аппаратуры и связок проводов. Изначально команда Тимура Черкасова хотела обратиться в компанию по аренде автомобилей и получить в личное распоряжение микроавтобус на всё время проекта в Саратове. Но это решение не поддержали в КБ «Стрелка». Тогда исследователи стали звонить по объявлениям местных жителей, предлагающих услуги водителей на собственных автомобилях. Так они нашли Сергея. Этот подход позволил команде существенно сэкономить средства и избежать юридических рисков в случае поломок автомобиля. По словам Тимура Черкасова, за время проекта автомобиль Сергея стал в Саратове легендарным.

Карта анализа городской световой установки в Саратове
Карта интенсивности пешеходных потоков в Саратове
Карта концентрации оксида углерода в воздухе в Саратове
Карта концентрации пыли в воздухе в Саратове
Карта транспортной загруженности автомобили в движении в Саратове
Карта транспортной загруженности припаркованные автомобили в Саратове
Карта транспортной загруженности в Саратове
Карта анализа городской световой установки в Саратове

Всю конструкцию, установленную на крыше минивэна, участники проекта собрали своими руками, самостоятельно соединив и спаяв отдельные детали и приборы. Её основой стал обычный штатив для фотоаппарата, удлинённый полуметровой карбоновой трубкой. На самом её конце установлена GPS-антенна. Немного ниже «спина к спине» прикручены две полусферические камеры, которые вместе снимают 360-градусные панорамы улиц вокруг машины. Остальные блоки расположены ещё ниже — на прикреплённой к штативу фрезерованной фанерной доске. Здесь находятся блок для обработки GPS-сигнала с упомянутой выше антенны, мини-компьютер для обработки данных и блок с вмонтированными датчиками уровня шума, пыли, влажности, освещённости, температуры и содержания окиси углерода в городском воздухе. Информация с приборов передаётся на компьютеры в салоне автомобиля и тут же попадает на картографический онлайн-сервис Mapbox. Обработка данных происходит в режиме реального времени и при этом автономно — исключительно с помощью аппаратуры, установленной в машине. Добиться этого было одной из главных задач команды. Уже на стадии обработки результаты сканирования были скорректированы, но фактически данные попадали на карту моментально.

Семь маршрутов

Для корректного отображения данных на карте было важно настроить точную геолокацию. Для корректировки координат исследователи поднялись на крышу одного из многоэтажных зданий в центре Саратова и установили там специальный датчик. Попасть туда они смогли благодаря живущему в этом же доме архитектору Даниилу Янкилевичу. Таким образом, получился треугольник: блок GPS на крыше здания («база»), блок GPS на крыше автомобиля («ровер») и спутник. Отладка этой системы заняла несколько дней, но в результате Тимуру Черкасову, который взял на себя эту часть работ, удалось достичь погрешности сигнала в пределах трёх сантиметров. Таким образом, данные сканирования города привязывались к определённому месту, которое микроавтобус проезжал в определённое время. В итоговом варианте карт расстояния между точками, на которых были получены данные, составило два метра.

Рядом с Тимуром в микроавтобусе сидит программист Дмитрий: на экране его ноутбука меняются снимки с полусферических веб-камер. Пока микроавтобус едет по Саратову, камеры каждую секунду одновременно делают по снимку. В объектив попадает всё: автомобили, пешеходы, здания, остановки и столбы. Эти фотографии обрабатывает нейросеть, которая умеет распознавать заданные объекты — в данном случае людей и машины. В названии каждого снимка фигурирует время, в которое он был сделан. Именно эти цифры синхронизируются с GPS-координатами для определения точки на карте. Программа запоминает маршрут автомобиля и сохраняет анимированное движение автомобиля по улицам, напоминая упрощённый интерфейс приложений для такси.

За маршрут отвечает штурман Антон. Он сидит на переднем сидении возле водителя и смотрит одновременного на дорогу и в навигационное приложение на экране планшета. Исследование затронуло как центральные районы города, так и периферию. Специально для финальных заездов Антон разработал семь маршрутов, каждый из которых был рассчитан на час-полтора. «Фольксваген» проехал каждый из них трижды, и средние показатели попали в отчёт. В общей сложности с учётом тестовых заездов автомобиль-сканер проехал по улицам города несколько сотен километров. Там, где движение автотранспорта запрещено, участники команды ходили пешком с облегчённой версией своей системы в рюкзаке. В этом случае обработка данных осуществлялась уже после их сбора.

Несмотря на разделение ролей в салоне автомобиля, команда получилась мультифункциональной, и большинство задач её участники решали совместно. «Вместе с Димой мы собрали первый прототип — хард и софт, включая первую рабочую нейросеть, а дальше разделили обязанности и страховали друг друга. Оборудование собирали все вместе. Максим проектировал опорные конструкции, крепления, коммутацию, производил отладку, вместе с Антоном они делали лазерную резку в фаблабе. Я создавал внутреннюю начинку каждой коробки: устанавливал системы охлаждения, изоляцию, создавал интерфейсы с советскими тумблерами. При этом в любой момент мы могли поменять ролями. Не могу не отметить и помощь Всеволода Окина, который координировал нас со стороны КБ, во многом проект состоялся именно благодаря ему,» — вспоминает Тимур Черкасов. 

Бластер на крыше

За стабильность системы на крыше и исправность всех её сигналов отвечал инженер Максим. В минивэне он следил за показателями датчиков. Самое главное — чтобы они обновлялись: это значит, что всё работает. Кроме того, Максим документировал каждый шаг участников проекта и готовил материалы для видеоблога.

Каждый раз после поездки по городу конструкцию с датчиками снимали с крыши минивэна и относили в съёмную квартиру, где поселилась вся команда. На протяжении тестовой недели систему постоянно оптимизировали. На штативе появились две дополнительные камеры: одна транслирует в салон общий вид конструкции и позволяет видеть, насколько сильно она раскачивается от тряски и неровности на дорогах. Другую Максим прикрепил на самый верх рядом с GPS-антенной — она играла роль регистратора, а специальная нейросеть звуковым сигналом предупреждала о ветках и других препятствиях.

Несколько раз всю конструкцию приходилось полностью собирать заново: на тестовом этапе системы то и дело выходили из строя. Вскоре после начала испытаний выяснилось, что имеющегося интернет-сигнала недостаточно. Тогда команда оперативно приобрела усилитель 4G-сигнала и установила его рядом с остальными датчиками. Помимо таких сложных оптимизаций, были и попроще: лампочки-индикаторы для всех датчиков, тумблер включения и пластиковые сетки, защищающие датчики от мощных потоков воздуха.

Излишнее внимание со стороны горожан стало очередной проблемой для исследователей. Иной раз любопытствующих было так много, что их вопросы мешали полноценной работе. По мнению участников команды, конструкция на крыше «фольксвагена» напоминает бластер или какой-то взрывоопасный механизм. «У нас есть идея замаскироваться, — говорит Максим на одной из видеозаписей. — Мы хотим купить спецодежду — строительные оранжевые жилеты со светоотражателями — и надеть их, чтобы сойти за городскую службу. Кроме того, я хочу наклеить на машину стикеры с надписью „цифровая геодезия“, чтобы к нам было меньше вопросов».

Полосу с названием службы на машину наклеивать не стали, а вот светоотражающие жилеты лимонного цвета, как у дорожных работников, всё-таки пришлось купить. Работать в них стало значительно проще: задумка замаскироваться и отвлечь от себя внимание сработала.

Сотни километров

В итоговом отчёте по динамическому анализу, основанному на собранных с помощью автомобиля данных, сухие показатели приборов и датчиков получили дополнительные комментарии. Например, зашкаливающий уровень шума в районе слияния Второго Станционного проезда и Дегтярной улицы объясняется близостью к железнодорожной станции, а превышающий положенные 60 дБ на Тракторной и Астраханской — громкой музыкой из автомобилей местных жителей. Низкая освещённость Сибирской улицы и территории вокруг саратовского аэропорта связана с тем, что деревья и рекламные конструкции закрывают здесь свет фонарей. Согласно показаниям детектора, светильников в городе достаточно, но они не везде выполняют свою функцию из-за преград. Несмотря на то, что Саратов лежит на берегу Волги, в городе даже зимой и весной наблюдается высокая запылённость. Особенно высок этот показатель на узких, непродуваемых улицах в центре города — местами уровень пыли превышает санитарные нормы и может быть опасен для здоровья. Концентрация окиси углерода в городе оказалась в норме, хотя и значительно превышает норму на некоторых автомобильных перекрёстках. На итоговую карту попало 13 300 движущихся и 9 980 припаркованных автомобилей. При этом пешеходов, распознанных нейросетью, оказалось почти в три раза меньше — около 8 тысяч человек.

В общей сложности команда Тимура Черкасова провела в Саратове около месяца. Две недели исследователи тестировали свой сканер на колёсах, ещё пять дней ушло на сбор данных с отлаженным оборудованием. За это время команда автоматизировала и стабилизировала обработку данных во время поездок, и ближе к концу исследования контролировать процессы участники проекта могли по одному по очереди.

В это время остальные занимались другой работой. Помимо динамического анализа, команда провела исследование движения на уличных перекрёстках, для которого использовала квадрокоптер. Дрон зависал над перекрёстками на высоте около 300 метров и снимал перемещение автомобилей и пешеходов. Полётами управляли Антон и Максим: они собрали данные о 34 перекрёстках. Всего им пришлось совершить около сотни запусков дрона. Для выделения автомобилей и машин на видеозаписях также использовалась нейросеть. Полученные снимки потребовались и для создания трёхмерных моделей. Благодаря этим данным, команда создала модели набережной, привокзальной площади и двух улиц. Все результаты работы команда передала КБ «Стрелка» для пилотного проекта развития городской среды в Саратове.

Текст: Кирилл Головкин