Ultralytics YOLOv8 لأنظمة إدارة مواقف السيارات الأكثر ذكاءً

قد يكون القيادة في دوائر بحثاً عن موقف سيارة أمراً مرهقاً، خاصة عندما تكون متأخراً. الطريقة التقليدية للبحث عن مكان للوقوف قد تكون مملة وتستغرق وقتاً طويلاً. ومع ذلك، يمكن لنظام إدارة مواقف السيارات الذي يعتمد على الذكاء الاصطناعي (AI) ورؤية الحاسوب أن يجعل الأمور أكثر بساطة. إذ يمكنه جعل توفر مواقف السيارات أكثر قابلية للتنبؤ وتقليل الازدحام المروري.

في هذه المقالة، سنتعلم كيفة ترقية أنظمة إدارة مواقف السيارات باستخدام الذكاء الاصطناعي والرؤية الحاسوبية. سنستعرض أيضاً مثالاً برمجياً خطوة بخطوة لنوضح لك كيف يمكنك استخدام نموذج Ultralytics YOLOv8 لإنشاء نظام إدارة مواقف سيارات مدعوم بالرؤية الحاسوبية. لنبدأ مباشرة!

مشكلات الإدارة التقليدية لمواقف السيارات#

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

تتمثل إحدى المشكلات الرئيسية في الأنظمة التقليدية في الاكتظاظ في مواقف السيارات؛ حيث توجد سيارات في ساحات الانتظار أكثر من المساحات المتاحة. وإلى جانب إهدار الوقت في البحث عن مساحة، يؤدي الاكتظاظ إلى استهلاك مفرط للوقود وتلوث الهواء. وتتمثل مشكلة أخرى في توتر السائقين. ووفقاً لأستطلاع رأي، يقضي حوالي 27% من الأشخاص 30 دقيقة على الأقل في البحث عن أماكن لصف السيارات. كما اعترف 43% من الأشخاص بالدخلو في مشاحنات لفظية مع غرباء بسبب أماكن صف السيارات.

الشكل 1. سائق متوتر. مصدر الصورة: Envato Elements.

الذكاء الاصطناعي يجعل إدارة مواقف السيارات أسهل#

تهدف مواقف السيارات المدمجة بالذكاء الاصطناعي إلى حل المشكلات التي تواجهها أنظمة إدارة مواقف السيارات التقليدية. يمكن لننماذج الرؤية الحاسوبية مثل نموذج Ultralytics YOLOv8 والكاميرات عالية الدقة مراقبة مواقف السيارات والحصول على تحديثات في الوقت الفعلي لأماكن صف السيارات المتاحة والمشغولة.

كيف يعمل هذا؟ يمكن لنموذج الرؤية الحاسوبية تحليل اللقطات من الكاميرات عالية الدقة لاكتشاف المركبات، وتتبع حركاتها، وتحديد أماكن صف السيارات المتاحة. يدعم نموذج Ultralytics YOLOv8 مهام الرؤية الحاسوبية مثل اكتشاف الكائنات وتتبع الكائنات، ويمكنه بدقة تحديد وتصنيف المركبات داخل مقطع الفيديو. من خلال مقارنة المواقع المكتشفة للمركبات مع أماكن صف السيارات المحددة مسبقاً، يمكن للنظام تحديد ما إذا كان مكان صف السيارة مشغولا أم لا.

الشكل 2. YOLOv8 يكتشف مواقف السيارات.

يمكن دمج وتوسيع المعلومات المتعلقة بتوافر مواقف السيارات من النظام القائم على الرؤية في تطبيقات مختلفة:

• تطبيقات الهاتف المحمول: يمكن لتطبيقات الهاتف المحمول عرض مدى توافر مواقف السيارات في الوقت الفعلي ومساعدة السائقين في العثور على المساحات المتاحة بسرعة وسهولة.
• اللوحات الرقمية: يمكن للوحات الرقمية عند مداخل مواقف السيارات عرض عدد المساحات المتاحة وتوجيه السائقين إلى أقرب مساحة شاغرة.
• أنظمة مواقف السيارات المؤتمتة: يمكن استخدام البيانات للتحكم في الحواجز والبوابات المؤتمتة، مما يسمح بالدخول فقط عند توفر مساحات وتوجيه السائقين إلى أقرب مساحة فارغة.

مزايا نظام إدارة مواقف السيارات#

يمكن أن توفر الرؤى حول توافر مواقف السيارات العديد من المزايا. تساعد التحديثات في الوقت الفعلي السائقين على التوجه مباشرة إلى المساحات المفتوحة، مما يجعل حركة المرور أكثر سلاسة ويقلل من توتر البحث عن موقف. بالنسبة للمشغلين، يعني فهم كيفية استخدام المساحات إمكانية إدارة الموقف بشكل أفضل، وتعزيز الأمان من خلال المراقبة الفورية، والاستجابة بسرعة لأي حوادث.

تعمل أتمتة وظائف مواقف السيارات على خفض التكاليف من خلال تقليل الحاجة إلى العمل اليدوي. تجعل أنظمة الذكاء الاصطناعي من الأسهل حجز مواقف السيارات عبر تطبيقات الجوال 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 لمواقف السيارات، وتطوير مرافق مواقف سيارات جديدة تجعل المدن أكثر كفاءة وأسهل في التنقل.

الشكل 3. حجز فتحات صف السيارات من خلال تطبيق جوال.

جرب ذلك بنفسك: إدارة مواقف السيارات باستخدام YOLOv8#

الآن وبعد أن أصبح لدينا فهم واضح لإدارة مواقف السيارات ومزاياها، دعنا نتعمق في كيفية بناء نظام لإدارة مواقف السيارات يعتمد على الرؤية. سنستخدم نموذج YOLOv8 لاكتشاف المركبات، ومراقبة مساحات صف السيارات، وتحديد حالة اشغالها.

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 اكتشاف دقيق للمركبات وإحداثيات محددة مسبقاً لمساحات الوقوف.

يمكن أن تؤثر معايرة الكاميرا والعوامل البيئية على دقة اكتشاف المساحة وحالة الإشغال. قد تختلف سرعة المعالجة والدقة أيضاً بناءً على أداء وحدة معالجة الرسومات (GPU) لديك.

الخطوة 1: لنبدأ بتثبيت حزمة Ultralytics. افتح موجه الأوامر أو الطرفية (Terminal) الخاصة بك وقم بتنفيذ الأمر التالي.

pip install ultralytics

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

الخطوة 2: نحتاج إلى اختيار مواقف السيارات مسبقاً حتى نتمكن من تحديد مناطق الاهتمام في لقطاتك. قم بتشغيل هذا الكود لفتح واجهة المستخدم لاختيار مواقف السيارات مسبقاً.

from ultralytics import solutions

solutions.ParkingPtsSelection()

كما هو موضح أدناه، ستفتح واجهة مستخدم عند تشغيل هذا الكود. خذ إطاراً أو لقطة شاشة لفيديو موقف السيارات الخاص بك وقم بتحميلها. بعد رسم مربعات الإحاطة (bounding boxes) حول مواقف السيارات، انقر فوق خيار الحفظ. سيتم حفظ معلومات مواقف السيارات التي اخترتها في ملف JSON باسم ‘bounding_boxes.json.’

الشكل 4. تحديد أماكن صف السيارات في لقطاتك.

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: أنشئ كائن VideoCapture لقراءة ملف فيديو الإدخال وتأكد 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 اللازمة، مثل العرض، والارتفاع، والإطارات 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 مواقف السيارات.

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

الخطوة 8: الآن، نمر عبر ملف الفيديو، إطاراً بإطار، للمعالجة. إذا لم تتم قراءة أي إطارات، فستتوقف الحلقة.

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

الخطوة 9: داخل الحلقة، سنقوم باستخراج مناطق مواقف السيارات المختارة مسبقاً 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 وتسميات 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 إلى ملف الفيديو الناتج “parking management.avi.”

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

الخطوة 12: أخيراً، يمكننا تحرير كائنات VideoCapture و VideoWriter وإغلاق أي نوافذ.

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

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

python your_script_name.py

لا تتردد في مراجعة مستندات Ultralytics الرسمية إذا كنت ترغب في معرفة المزيد حول الكود.

تحديات نظام إدارة مواقف السيارات المؤتمت#

تقدم أنظمة مواقف السيارات الذكية العديد من المزايا لكل من السائقين والشركات. ومع ذلك، فهي تمثل أيضاً بضعة تحديات يجب أخذها في الاعتبار قبل تنفيذ مثل هذه الحلول. دعونا نلقي نظرة على بعض منها.

• مخاوف الخصوصية: تجمع هذه الأنظمة معلومات مثل نوع وطراز سيارة الفرد، ورقم لوحة الترخيص، ووقت الدخول والخروج، وما إلى ذلك.
• تكلفة التثبيت العالية: قد تكون تكلفة تثبيت المستشعرات، والكاميرات، وآلات التذاكر المؤتمتة، وبرامج الذكاء الاصطناعي مرتفعة.
• متطلبات الصيانة: يعتمد تكرار الصيانة على نظام الذكاء الاصطناعي، ولكن معظم الأنظمة تتطلب صيانة شهرية.

مستقبل أنظمة مواقف السيارات الذكية#

ستتعلق إدارة مواقف السيارات المبتكرة في المستقبل باستخدام التقنيات الحديثة مثل الذكاء الاصطناعي، والسيارات ذاتية القيادة، والواقع الافتراضي لتحسين تجربة صف السيارات الشاملة ودعم الاستدامة. عند دمجها مع هذه الأنظمة، ستكون السيارات ذاتية القيادة قادرة على الانتقال إلى مواقع صف السيارات دون تدخل بشري والاصطفاف. تساعد هذه الأنظمة الشركات أيضاً على ملء المزيد من أماكن صف السيارات والإعلان عن خدماتها عبر تطبيقات ومواقع متعددة. كما أنها تقلل من كمية انبعاثات الكربون الصادرة عن السائقين الذين يتجولون بحثاً عن مكان لصف السيارات.

إنهاء متاعب مواقف السيارات#

يمكن لنماذج الذكاء الاصطناعي، مثل Ultralytics YOLOv8، والرؤية الحاسوبية تحويل موقف السيارات الخاص بك. فهي تقلل بشكل كبير من الدوران بحثاً عن أماكن، مما يوفر وقتك ويقلل الانبعاثات. تعالج أنظمة إدارة مواقف السيارات الذكية هذه المشكلات الشائعة مثل الازدحام، والوقوف غير القانوني، وإحباط السائقين. ورغم وجود استثمار أولي، فإن الفوائد طويلة الأجل كبيرة. الاستثمار في مواقف السيارات الذكية هو المفتاح لإنشاء مدن مستدامة وتجربة صف سيارات أكثر سلاسة للجميع.

هل تريد معرفة المزيد عن الذكاء الاصطناعي؟ تواصل مع مجتمعنا! استكشف مستودع GitHub الخاص بنا لمعرفة المزيد حول كيف نستخدم الذكاء الاصطناعي لإنشاء حلول مبتكرة في مختلف الصناعات مثل الرعاية الصحية والزراعة. تعاون، ابكر، وتعلَم معنا! 🚀