Ultralytics YOLOv8 لأنظمة إدارة مواقف السيارات الأكثر ذكاءً

قد يكون من المرهق القيادة في دوائر بحثًا عن مكان لوقوف السيارات، خاصةً عندما تكون متأخرًا. يمكن أن تكون الطريقة التقليدية للبحث عن مكان لوقوف السيارات مملة وتستغرق وقتًا طويلاً. ومع ذلك، يمكن لنظام إدارة مواقف السيارات المدعوم بالذكاء الاصطناعي (AI) والرؤية الحاسوبية أن يجعل الأمور أبسط. يمكن أن يجعل توفر مواقف السيارات أكثر قابلية للتنبؤ ويقلل من الازدحام المروري.

في هذه المقالة، سنتعلم كيفية ترقية أنظمة إدارة مواقف السيارات باستخدام الذكاء الاصطناعي والرؤية الحاسوبية. وسوف نستعرض أيضًا مثالًا برمجيًا خطوة بخطوة لنوضح لك كيف يمكنك استخدام نموذج Ultralytics YOLOv8 لإنشاء نظام إدارة مواقف السيارات مدعوم بالرؤية الحاسوبية. هيا بنا نتعمق!

مشاكل إدارة مواقف السيارات التقليدية

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

تتمثل إحدى المشكلات الرئيسية في الأنظمة التقليدية في ازدحام مواقف السيارات؛ حيث يوجد عدد سيارات في المواقف أكثر من الأماكن المتاحة. بالإضافة إلى إضاعة الوقت في البحث عن مكان، يؤدي الازدحام إلى زيادة استهلاك الوقود وتلوث الهواء. هناك مشكلة أخرى وهي إجهاد السائق. وفقًا لمسح، يقضي حوالي 27٪ من الأشخاص ما لا يقل عن 30 دقيقة في البحث عن أماكن وقوف السيارات. أيضًا، اعترف 43٪ من الأشخاص بالدخول في مشاجرات كلامية مع غرباء بسبب أماكن وقوف السيارات.

‍

الذكاء الاصطناعي يجعل إدارة مواقف السيارات أسهل

تهدف مواقف السيارات المدمجة مع الذكاء الاصطناعي إلى حل المشكلات التي تواجه أنظمة إدارة مواقف السيارات التقليدية. يمكن لنماذج رؤية الكمبيوتر مثل نموذج Ultralytics YOLOv8 والكاميرات عالية الدقة مراقبة مواقف السيارات والحصول على تحديثات في الوقت الفعلي حول أماكن وقوف السيارات المتاحة والمشغولة. 

كيف يعمل هذا؟ يمكن لنموذج رؤية الكمبيوتر تحليل لقطات من كاميرات عالية الدقة لاكتشاف المركبات وتتبع حركاتها وتحديد أماكن وقوف السيارات المتاحة. يدعم نموذج Ultralytics YOLOv8 مهام رؤية الكمبيوتر مثل اكتشاف الكائنات و تتبع الكائنات، ويمكنه تحديد وتصنيف المركبات بدقة داخل موجز الفيديو. من خلال مقارنة المواقع المكتشفة للمركبات بأماكن وقوف السيارات المحددة مسبقًا، يمكن للنظام تحديد ما إذا كان مكان وقوف السيارات مشغولاً أم لا.

يمكن دمج معلومات حول توفر مواقف السيارات من النظام القائم على الرؤية وتوسيعها في تطبيقات مختلفة:

• تطبيقات الهاتف المحمول: يمكن لتطبيقات الهاتف المحمول عرض مدى توفر مواقف السيارات في الوقت الفعلي ومساعدة السائقين في العثور على الأماكن المتاحة بسرعة وسهولة.
  ‍
• اللافتات الرقمية: يمكن أن تعرض اللافتات الرقمية عند مداخل مواقف السيارات عدد الأماكن المتاحة وتوجه السائقين إلى أقرب مكان شاغر.
  ‍
• أنظمة مواقف السيارات الآلية: يمكن استخدام البيانات للتحكم في الحواجز والبوابات الآلية، مما يسمح بالدخول فقط عندما تكون المساحات متاحة وتوجيه السائقين إلى أقرب مكان مجاني.

مزايا نظام إدارة مواقف السيارات

يمكن أن توفر رؤى حول توفر مواقف السيارات العديد من المزايا. تساعد التحديثات في الوقت الفعلي السائقين على الذهاب مباشرة إلى المساحات المفتوحة، مما يجعل حركة المرور أكثر سلاسة ويقلل من ضغوط العثور على موقف للسيارات. بالنسبة للمشغلين، فإن فهم كيفية استخدام المساحات يعني أنه يمكنهم إدارة الموقف بشكل أفضل، وتحسين الأمان من خلال المراقبة في الوقت الفعلي، والاستجابة بسرعة لأي حوادث.

يقلل أتمتة وظائف مواقف السيارات من التكاليف عن طريق تقليل الحاجة إلى العمالة اليدوية. تسهل أنظمة الذكاء الاصطناعي حجز أماكن وقوف السيارات من خلال تطبيقات الهاتف المحمول أو الويب، مما يتيح للسائقين تلقي إشعارات حول التوافر وتوفير الوقت والمال. يمكن لمخططي المدن استخدام هذه البيانات لتصميم تخطيطات طرق أفضل، وفرض لوائح فعالة لوقوف السيارات، وتطوير مرافق جديدة لوقوف السيارات تجعل المدن أكثر كفاءة وأسهل في التنقل.

‍

جرب 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 يعتمد على الرؤية. سنستخدم نموذج YOLOv8 لاكتشاف المركبات ومراقبة أماكن وقوف السيارات وتحديد حالة إشغالها.

في هذا المثال، يمكنك استخدام فيديو أو بث كاميرا لموقف سيارات. يرجى ملاحظة أن الحد الأقصى لحجم الصورة المدعوم في هذا المثال هو 1920 * 1080. قبل أن نبدأ، تذكر أن هذا النظام يعتمد على الاكتشاف الدقيق للمركبات وإحداثيات أماكن وقوف السيارات المحددة مسبقًا. 

يمكن أن يؤثر معايرة الكاميرا والعوامل البيئية على دقة اكتشاف المساحة وحالة الإشغال. قد تختلف سرعة المعالجة والدقة أيضًا بناءً على أداء وحدة معالجة الرسومات (GPU) الخاصة بك.

الخطوة 1: لنبدأ بتثبيت حزمة Ultralytics. افتح موجه الأوامر أو الجهاز الطرفي الخاص بك وقم بتنفيذ الأمر التالي.

pip install ultralytics

راجع دليل تثبيت Ultralytics للحصول على إرشادات تفصيلية وأفضل الممارسات حول عملية التثبيت. إذا واجهت أي مشكلات أثناء تثبيت الحزم المطلوبة لـ YOLOv8، فإن دليل المشكلات الشائعة الخاص بنا يقدم حلولاً ونصائح مفيدة.

الخطوة 2: نحتاج إلى تحديد أماكن وقوف السيارات مسبقًا حتى نتمكن من تحديد مناطق الاهتمام في لقطاتك. قم بتشغيل هذا الرمز لفتح واجهة المستخدم لتحديد أماكن وقوف السيارات مسبقًا.

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 سيارات وقم بتحميله. بعد رسم مربعات إحاطة حول أماكن وقوف السيارات، انقر فوق خيار الحفظ. سيتم حفظ معلومات مكان وقوف السيارات المحدد في ملف JSON باسم ‘bounding_boxes.json.’

‍

الخطوة 3: الآن، يمكننا الانتقال إلى الكود الرئيسي 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: تهيئة 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 بتهيئة نظام إدارة مواقف السيارات باستخدام نموذج Ultralytics YOLOv8 لاكتشاف أماكن وقوف السيارات.

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

الخطوة 8: الآن، نمر عبر ملف الفيديو، إطارًا بإطار، للمعالجة. إذا لم تتم قراءة أي إطارات، فسيتم كسر 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: يعالج هذا الجزء من الحلقة نتائج التتبع ويحصل على إحداثيات مربع الإحاطة وتصنيفات فئات الكائنات 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 في ملف الفيديو الناتج “parking management.avi.”

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

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

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

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

python your_script_name.py

لا تتردد في مراجعة الوثائق الرسمية لـ Ultralytics إذا كنت ترغب في معرفة المزيد عن التعليمات البرمجية.

تحديات نظام إدارة مواقف السيارات الآلي

توفر أنظمة مواقف السيارات الذكية العديد من المزايا لكل من السائقين والشركات. ومع ذلك، فإنها تمثل أيضًا بعض التحديات التي يجب أخذها في الاعتبار قبل تنفيذ مثل هذه الحلول. دعونا نلقي نظرة على بعض منها.

• مخاوف الخصوصية: تجمع هذه الأنظمة معلومات مثل ماركة وموديل سيارة الفرد ورقم لوحة الترخيص ووقت الدخول والخروج وما إلى ذلك.
  ‍
• تكلفة تركيب عالية: قد تكون أجهزة الاستشعار والكاميرات وآلات التذاكر الآلية وبرامج الذكاء الاصطناعي باهظة الثمن. 
  ‍
• متطلبات الصيانة: يعتمد تكرار الصيانة على نظام الذكاء الاصطناعي، ولكن معظم الأنظمة تتطلب صيانة شهرية.

مستقبل أنظمة مواقف السيارات الذكية

ستتمحور إدارة مواقف السيارات المبتكرة 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 ذاتية القيادة من الانتقال إلى مواقع وقوف السيارات دون تدخل بشري والوقوف. تساعد هذه الأنظمة أيضًا الشركات على ملء المزيد من أماكن وقوف السيارات والإعلان عن خدماتها عبر تطبيقات ومواقع ويب متعددة. كما أنها تقلل من كمية انبعاثات الكربون الناتجة عن السائقين الذين يقودون سياراتهم بحثًا عن مكان لوقوف السيارات.

إنهاء متاعب وقوف السيارات

يمكن لنماذج الذكاء الاصطناعي، مثل Ultralytics YOLOv8، والرؤية الحاسوبية تحويل موقف السيارات الخاص بك. إنها تقلل بشكل كبير من الدوران للعثور على أماكن وقوف السيارات، مما يوفر لك الوقت ويقلل من الانبعاثات. تعالج أنظمة إدارة مواقف السيارات الذكية هذه المشكلات الشائعة مثل الازدحام ومواقف السيارات غير القانونية وإحباط السائقين. على الرغم من وجود استثمار أولي، إلا أن الفوائد طويلة الأجل كبيرة. يعد الاستثمار في مواقف السيارات الذكية أمرًا أساسيًا لإنشاء مدن مستدامة وتجربة وقوف سيارات أكثر سلاسة للجميع.

هل تود 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 و الزراعة. تعاون وابتكر وتعلم معنا! 🚀