Цели и задачи проекта: Создание готового продукта, который сможет отслеживать ситуацию на парковках (возможно её прогнозировать) и передавать информацию пользователю. Помочь заказчикам уменьшить приток людей на личном транспорте в дни пикового спроса, оптимизировать работу и уменьшить вероятность ДТП.

Ожидаемые результаты:

Спустя два месяца разработки и месяц отладки получить полностью рабочий продукт с удобным интерфейсом. Информация о загруженности отображается на мини карте, облегчая понимание пользователя о ситуации на данный момент. Области применения результатов: Результаты в дальнейшем могут использоваться для прогнозирования ситуации и поможет сотрудникам работать эффективнее.

Потенциальные потребительские сегменты:

Крупные культурные, торговые и бизнес центры с собственной парковкой. Точки притяжения туристов, развлекательные центры – словом всё, где есть много людей, ещё больше людей в особые дни, а также парковки. Может даже управление города заинтересуется занятостью городских парковок.

Продукт:

Программно-аппаратный комплекс для мониторинга и управления парковочными пространствами. Программная часть: Локальное ПО для машинного зрения: Модуль на базе свёрточной нейронной сети (CNN), устанавливаемый на мини-компьютер (в идеальных условиях Raspberry Pi 5) и работающий с видеопотоком камеры для подсчёта транспортных средств. Облачная аналитическая платформа: Централизованный сервер для сбора данных со всех стоянок, анализа загруженности, построения маршрутов и прогнозирования нагрузки. Клиентские приложения: Мобильное приложение, веб-интерфейс и Telegram-бот для отображения загруженности стоянок в реальном времени для конечных пользователей.

Проблема:

Неэффективное использование парковочных пространств, ведущее к:

• Для водителей:

Потеря времени, нервов и топлива в поисках свободного места; невозможность спланировать поездку; повышенный стресс.

• Для владельцев и операторов стоянок, администраций ТЦ и городов:

Потеря потенциального дохода из-за неравномерной загрузки стоянок; ухудшение клиентского опыта и лояльности; рост трафика и пробок на прилегающих территориях; отсутствие прозрачных данных для аналитики и управления тарифами.

B2B-сегмент:

Крупные торговые центры и ритейл-парки. Операторы платных городских и аэропортовых парковок. Деловые и бизнес-центры. Администрации городов (умный город) и управляющие компании жилых комплексов с подземными паркингами. Стадионы, концертные залы и другие объекты с переменной посещаемостью. Логистические терминалы и склады (учёт коммерческого транспорта).

B2C-сегмент:

Водители легковых автомобилей в городах-миллионниках. Демография: активные пользователи смартфонов 25-50 лет, с средним и выше уровнем дохода, ценящие своё время и комфорт. География: крупные городские агломерации РФ с высоким уровнем автомобилизации и проблемой парковки (Москва, Санкт-Петербург, Екатеринбург, Казань, Новосибирск и др.).

Система автоматического мониторинга парковки на основе сверточной нейронной сети (CNN) YOLOv9 для детекции автомобилей в видеопотоках с камер. Определение занятости парковочных мест происходит путём вычисления пересечения обнаруженных объектов (bounding boxes) с предварительно размеченными зонами мест по обученым кейсам. Данные предоставляются через json-rpc интерфейс, посредсвом api. Готовое решение будет предоставлено в виде монолитного selfhost продукта без облачных зависимостей

SaaS (Software as a Service) — ежемесячная/ежегодная подписка за доступ к облачной платформе и с обновлениями ПО. Разовый платёж за установку, настройку и поставку оборудования

"Умные парковки" на базе датчиков (Siemens, Паркрадар): Решения на основе магнитных/инфракрасных датчиков, врезаемых в асфальт. Их слабость: высокая стоимость установки и обслуживания, необходимость дорогостоящих земляных работ.

"Спутник" (СБИС) и другие ERP-системы с модулем парковки: Часто предлагают учёт на въезде/выезде по шлагбауму. Их слабость: не считают машины внутри стоянки, не решают проблему поиска места.

Облачные системы видеонаблюдения (Trassir, Macroscop) с аналитикой: Предлагают детекцию объектов. Их слабость: аналитика — побочная функция, часто менее точная; видеопоток уходит в облако, что создает риски конфиденциальности и требует высоких затрат на трафик.

Парковочные мобильные приложения (Яндекс.Карты, Парковки РФ): Показывают в основном платные зоны уличной парковки. Их слабость: не покрывают частные и коммерческие стоянки (ТЦ, бизнес-центры), нет точного подсчёта мест внутри.

Парковочные терминалы и шлагбаумы (АМАТ, CAME). Нельзя поставить на узкой дороге, это замедлит проходимость.

Мы предоставляем для крупных культурных, торговых и бизнес центров с собственной парковкой, которые хотят отслеживать и управлять загруженностью парковки и помогать своим клиентам с личным транспортом планировать посещение их центров, и водителям самое технологичное, экономичное и конфиденциальное решение для поиска парковки. В отличие от конкурентов, мы не требуем перекопки асфальта и не отправляем ваше видео в облако, обеспечивая точный подсчёт в реальном времени и сохраняя ваши данные в безопасности

На страницу проекта