Ultralytics YOLOv8 لأنظمة إدارة مواقف أكثر ذكاء

قد يكون من المرهق أن تقود سيارتك في دوائر بحثاً عن مكان لركن السيارة، خاصةً عندما تكون متأخراً. قد تكون الطريقة التقليدية للبحث عن مكان لركن السيارة مملة وتستغرق وقتاً طويلاً. ومع ذلك، يمكن لنظام إدارة مواقف السيارات الذي يعتمد على الذكاء الاصطناعي (AI) والرؤية الحاسوبية أن يجعل الأمور أكثر بساطة. يمكن أن يجعل توافر مواقف السيارات أكثر قابلية للتنبؤ ويقلل من الازدحام المروري.

سنتعرف في هذه المقالة على كيفية ترقية أنظمة إدارة مواقف السيارات باستخدام الذكاء الاصطناعي والرؤية الحاسوبية. سنستعرض أيضًا مثال ترميز خطوة بخطوة لنوضح لك كيف يمكنك استخدام Ultralytics YOLOv8 لإنشاء نظام إدارة مواقف السيارات المدعوم بالرؤية الحاسوبية. دعونا نتعمق في الأمر!

مشكلات في الإدارة التقليدية لمواقف السيارات

قبل أن نناقش أنظمة إدارة مواقف السيارات الذكية المعززة بالذكاء الاصطناعي، دعنا نلقي نظرة على المشكلات المتعلقة بأنظمة إدارة مواقف السيارات التقليدية.

تتمثل إحدى المشاكل الرئيسية في الأنظمة التقليدية في اكتظاظ أماكن وقوف السيارات؛ حيث يزيد عدد السيارات في مواقف السيارات عن الأماكن المتاحة. وإلى جانب إضاعة الوقت في البحث عن مكان، يؤدي الاكتظاظ إلى زيادة استهلاك الوقود وتلوث الهواء. مشكلة أخرى هي إجهاد السائقين. فوفقاً لدراسة استقصائية، يقضي حوالي 27% من الأشخاص ما لا يقل عن 30 دقيقة في البحث عن أماكن لركن السيارات. كما اعترف 43% من الأشخاص بأنهم يدخلون في جدال لفظي مع الغرباء حول أماكن ركن السيارات.

‍

الذكاء الاصطناعي يجعل إدارة مواقف السيارات أسهل

تهدف مواقف السيارات المدمجة مع الذكاء الاصطناعي إلى حل المشكلات التي تواجهها أنظمة إدارة مواقف السيارات التقليدية. يمكن لنماذج الرؤية الحاسوبية مثل نموذجUltralytics YOLOv8 والكاميرات عالية الوضوح مراقبة مواقف السيارات والحصول على تحديثات في الوقت الفعلي عن أماكن وقوف السيارات المتاحة والمشغولة. 

كيف يعمل هذا؟ يمكن لنموذج الرؤية الحاسوبية تحليل اللقطات من الكاميرات عالية الوضوح لاكتشاف المركبات وتتبع تحركاتها وتحديد أماكن وقوف السيارات المتاحة. ويدعم نموذج Ultralytics YOLOv8 مهام الرؤية الحاسوبية مثل اكتشاف الأجسام وتتبع الأجسام، ويمكنه تحديد المركبات وتصنيفها بدقة في لقطات الفيديو. من خلال مقارنة المواقع المكتشفة للمركبات مع أماكن وقوف السيارات المحددة مسبقًا، يمكن للنظام تحديد ما إذا كان مكان وقوف السيارات مشغولاً أم لا.

‍

يمكن دمج المعلومات حول توفر مواقف السيارات من النظام القائم على الرؤية وتوسيع نطاقها في تطبيقات مختلفة:

• تطبيقات الهاتف المحمول: يمكن لتطبيقات الهاتف المحمول أن تعرض توافر مواقف السيارات في الوقت الفعلي وتساعد السائقين في العثور على المواقف المتاحة بسرعة وسهولة.
• اللافتات الرقمية: يمكن أن تعرض اللافتات الرقمية في مداخل مواقف السيارات عدد الأماكن المتاحة وتوجه السائقين إلى أقرب مكان شاغر.
• أنظمة وقوف السيارات الآلية: يمكن استخدام البيانات للتحكم في الحواجز والبوابات الآلية، بحيث لا تسمح بالدخول إلا عند توفر أماكن شاغرة وتوجيه السائقين إلى أقرب مكان خالٍ.

مزايا نظام إدارة مواقف السيارات

يمكن أن توفر المعلومات حول توفر مواقف السيارات العديد من المزايا. تساعد التحديثات في الوقت الفعلي السائقين على الانتقال مباشرةً إلى الأماكن المتاحة، مما يجعل تدفق حركة المرور أكثر سلاسة ويقلل من الضغط الناتج عن العثور على موقف للسيارات. أما بالنسبة للمشغلين، فإن فهم كيفية استخدام المساحات يعني أنه يمكنهم إدارة الموقف بشكل أفضل، وتحسين الأمن من خلال المراقبة في الوقت الفعلي، والاستجابة السريعة لأي حوادث.

تعمل أتمتة وظائف مواقف السيارات على خفض التكاليف من خلال تقليل الحاجة إلى العمل اليدوي. تعمل أنظمة الذكاء الاصطناعي على تسهيل حجز أماكن وقوف السيارات من خلال تطبيقات الهاتف المحمول أو تطبيقات الويب، مما يتيح للسائقين تلقي إشعارات حول توفر مواقف السيارات وتوفير الوقت والمال. يمكن لمخططي المدن استخدام هذه البيانات لتصميم تخطيطات أفضل للطرق، وفرض لوائح فعالة لوقوف السيارات، وتطوير مرافق جديدة لوقوف السيارات تجعل المدن أكثر كفاءة وأسهل في التنقل.

‍

جرّب بنفسك: إدارة مواقف السيارات باستخدام YOLOv8

الآن بعد أن أصبح لدينا فهم واضح لإدارة مواقف السيارات ومزاياها، دعنا نتعمق في كيفية بناء نظام إدارة مواقف السيارات القائم على الرؤية. سنستخدم YOLOv8 للكشف عن المركبات ومراقبة أماكن وقوف السيارات وتحديد حالة إشغالها.

في هذا المثال، يمكنك استخدام فيديو أو دفق كاميرا لموقف سيارات. يرجى ملاحظة أن الحد الأقصى لحجم الصورة المدعومة في هذا المثال هو 1920 * 1080. قبل أن نبدأ، تذكّر أن هذا النظام يعتمد على اكتشاف دقيق للمركبة وإحداثيات أماكن وقوف السيارات المحددة مسبقاً. 

يمكن أن تؤثر معايرة الكاميرا والعوامل البيئية على دقة اكتشاف المساحة وحالة الإشغال. قد تختلف سرعة المعالجة ودقتها أيضًا بناءً على أداء وحدة معالجة الرسومات الخاصة بك.

الخطوة 1: لنبدأ بتثبيت الحزمة Ultralytics . افتح موجه الأوامر أو المحطة الطرفية ونفذ الأمر التالي.

pip install ultralytics

ارجع إلى دليل التثبيتUltralytics الخاص بنا للحصول على إرشادات مفصلة وأفضل الممارسات حول عملية التثبيت. إذا واجهتك أي مشكلات أثناء تثبيت الحزم المطلوبة YOLOv8 ، فإن دليل المشكلات الشائعة لدينا يقدم حلولاً ونصائح مفيدة.

الخطوة 2: نحتاج إلى التحديد المسبق لأماكن وقوف السيارات حتى نتمكن من تحديد المناطق المهمة في لقطاتك. قم بتشغيل هذا الرمز لفتح واجهة المستخدم لتحديد أماكن وقوف السيارات مسبقاً.

from ultralytics import solutions
solutions.ParkingPtsSelection()

كما هو موضح أدناه، ستفتح واجهة مستخدم عند تشغيل هذا الرمز. التقط إطارًا أو لقطة شاشة لفيديو الإدخال الخاص بك لموقف السيارات وقم بتحميله. بعد رسم المربعات المحدودة حول مواقف السيارات، انقر على خيار الحفظ. سيتم حفظ معلومات مكان وقوف السيارات الذي اخترته في ملف JSON باسم "مربعات_محددة_مربعات_محدودة.json".

‍

الخطوة 3: الآن، يمكننا الانتقال إلى الشيفرة الرئيسية لإدارة مواقف السيارات. ابدأ باستيراد جميع المكتبات المطلوبة وتهيئة ملف JSON الذي أنشأناه في الخطوة 2.

import cv2
from ultralytics import solutions
polygon_json_path = "bounding_boxes.json"

الخطوة 4: إنشاء كائن VideoCapture لقراءة ملف الفيديو المدخل والتأكد من فتح ملف الفيديو بنجاح.

cap = cv2.VideoCapture("Path/to/video/file.mp4")
assert cap.isOpened(), "Error reading video file"

الخطوة 5: قم بتهيئة جميع خصائص الفيديو المطلوبة، مثل العرض والارتفاع والإطار في الثانية.

w, h, fps = (int(cap.get(x)) for x in (cv2.CAP_PROP_FRAME_WIDTH,
cv2.CAP_PROP_FRAME_HEIGHT, cv2.CAP_PROP_FPS))

الخطوة 6: بعد ذلك، يمكننا إنشاء كائن VideoWriter لحفظ ملف الفيديو المعالج النهائي.

video_writer = cv2.VideoWriter("parking management.avi", 
cv2.VideoWriter_fourcc(*"mp4v"), fps, (w, h)) 

الخطوة 7: هنا، نقوم هنا بتهيئة نظام إدارة مواقف السيارات باستخدام نموذج Ultralytics YOLOv8 للكشف عن أماكن وقوف السيارات.

management = solutions.ParkingManagement(model_path="yolov8n.pt")  

الخطوة 8: الآن، ننتقل إلى ملف الفيديو، إطارًا بإطار، للمعالجة. إذا لم تتم قراءة أي إطارات، ستنقطع الحلقة.

while cap.isOpened():
  ret, im0 = cap.read()
  if not ret:
    break

الخطوة 9: داخل الحلقة، سنقوم باستخراج مناطق وقوف السيارات المحددة مسبقًا من ملف JSON وتتبع الكائنات في الإطار باستخدام نموذج YOLOv8 .

json_data = management.parking_regions_extraction(polygon_json_path)   
results = management.model.track(im0, persist=True, show=False)

الخطوة 10: يقوم هذا الجزء من الحلقة بمعالجة نتائج التتبع والحصول على إحداثيات المربع المحدود وتسميات الفئات للأجسام المكتشفة.

if results[0].boxes.id is not None:
  boxes = results[0].boxes.xyxy.cpu().tolist()
  clss = results[0].boxes.cls.cpu().tolist()
  management.process_data(json_data, im0, boxes, clss)

الخطوة 11: يتضمن الجزء الأخير من الحلقة عرض الإطار الحالي مع التعليقات التوضيحية وكتابة الإطار المعالج إلى ملف الفيديو الناتج "إدارة مواقف السيارات".

management.display_frames(im0)
video_writer.write(im0)

الخطوة 12: أخيرًا، يمكننا تحرير كائنات VideoCapture و VideoWriter وتدمير أي نوافذ.

cap.release()
video_writer.release()
cv2.destroyAllWindows()

الخطوة 13: احفظ البرنامج النصي الخاص بك. إذا كنت تعمل من المحطة الطرفية أو موجه الأوامر، فقم بتشغيل البرنامج النصي باستخدام الأمر التالي:

python your_script_name.py

إذا تم تنفيذ التعليمات البرمجية بنجاح، سيبدو ملف الفيديو الناتج بهذا الشكل:

‍

لا تتردد في الاطلاع على المستندات الرسمية Ultralytics إذا كنت ترغب في معرفة المزيد عن الكود.

التحديات التي تواجه نظام إدارة مواقف السيارات الآلي

توفر أنظمة وقوف السيارات الذكية العديد من المزايا لكل من السائقين والشركات. ومع ذلك، فإنها تقدم أيضاً بعض التحديات التي يجب أخذها في الاعتبار قبل تنفيذ مثل هذه الحلول. دعنا نلقي نظرة على بعضها.

• المخاوف المتعلقة بالخصوصية: تجمع هذه الأنظمة معلومات مثل نوع وطراز سيارة الفرد، ورقم لوحة السيارة، ووقت الدخول والخروج، وما إلى ذلك.
• ارتفاع تكلفة التركيب: قد يكون تركيب أجهزة الاستشعار، والكاميرات، وآلات إصدار التذاكر الآلية، وبرامج الذكاء الاصطناعي مكلفاً. 
• متطلبات الصيانة: يعتمد تكرار الصيانة على نظام الذكاء الاصطناعي، ولكن معظم الأنظمة تتطلب صيانة شهرية.

مستقبل أنظمة وقوف السيارات الذكية

ستتمحور الإدارة المبتكرة لمواقف السيارات في المستقبل حول استخدام أحدث التقنيات مثل الذكاء الاصطناعي والسيارات ذاتية القيادة والواقع الافتراضي لتحسين تجربة وقوف السيارات بشكل عام ودعم الاستدامة. عند دمجها مع هذه الأنظمة، ستتمكن السيارات ذات ية القيادة من التنقل إلى مواقع وقوف السيارات دون تدخل بشري وإيقافها. تساعد هذه الأنظمة أيضاً الشركات على ملء المزيد من أماكن وقوف السيارات والإعلان عن خدماتها عبر العديد من التطبيقات والمواقع الإلكترونية. كما أنها تقلل أيضاً من عدد الانبعاثات الكربونية الناتجة عن قيادة السائقين بحثاً عن مكان لركن السيارات.

إنهاء متاعب وقوف السيارات

نماذج الذكاء الاصطناعي، مثل Ultralytics YOLOv8والرؤية الحاسوبية يمكنها تحويل موقف السيارات الخاص بك. فهي تقلل بشكل كبير من الدوران حول المواقف، مما يوفر لك الوقت ويقلل من الانبعاثات. تعالج هذه الأنظمة الذكية لإدارة مواقف السيارات المشاكل الشائعة مثل الازدحام، والوقوف غير القانوني، وإحباط السائقين. في حين أن هناك استثماراً أولياً، إلا أن الفوائد طويلة الأجل كبيرة. إن الاستثمار في مواقف السيارات الذكية هو المفتاح لإنشاء مدن مستدامة وتجربة مواقف سيارات أكثر سلاسة للجميع.

هل تريد معرفة المزيد عن الذكاء الاصطناعي؟ تواصل مع مجتمعنا! استكشف مستودع GitHub الخاص بنا لمعرفة المزيد حول كيفية استخدامنا للذكاء الاصطناعي لإنشاء حلول مبتكرة في مختلف الصناعات مثل الرعاية الصحية والزراعة. تعاون وابتكر وتعلّم معنا! 🚀