Ultralytics YOLOv8 für intelligentere Parkraummanagementsysteme

Es kann ganz schön stressig sein, auf der Suche nach einem Parkplatz im Kreis zu fahren, besonders wenn du spät dran bist. Die herkömmliche Parkplatzsuche kann mühsam und zeitaufwendig sein. Ein Parkplatzverwaltungssystem auf Basis künstlicher Intelligenz (AI) und Computer Vision kann die Suche jedoch erleichtern. Es kann die Parkplatzverfügbarkeit besser vorhersehbar machen und Verkehrsstaus verringern.

In diesem Artikel erfährst du, wie du Parkraummanagementsysteme mit künstlicher Intelligenz und Computer Vision verbessern kannst. Außerdem gehen wir ein Programmierbeispiel Schritt für Schritt durch, um dir zu zeigen, wie du mit dem Ultralytics-YOLOv8-Modell ein Parkraummanagementsystem auf Basis von Computer Vision entwickelst.

Probleme bei der herkömmlichen Parkplatzverwaltung#

Bevor wir uns mit KI-gestützten intelligenten Parkplatzverwaltungssystemen beschäftigen, werfen wir einen Blick auf die Probleme herkömmlicher Parkplatzverwaltungssysteme.

Ein großes Problem herkömmlicher Systeme sind überfüllte Parkplätze: Es gibt mehr Autos als verfügbare Stellplätze. Die Suche nach einem freien Platz kostet nicht nur Zeit, sondern führt auch zu höherem Kraftstoffverbrauch und mehr Luftverschmutzung. Ein weiteres Problem ist der Stress für Autofahrer. Einer Umfrage zufolge verbringen etwa 27 % der Menschen mindestens 30 Minuten mit der Parkplatzsuche. Außerdem gaben 43 % der Menschen an, sich wegen eines Parkplatzes schon einmal verbal mit Fremden gestritten zu haben.

Abb. 1. Ein gestresster Autofahrer. Bildquelle: Envato Elements.

KI erleichtert die Parkplatzverwaltung#

KI-gestützte Parkplätze sollen die Probleme lösen, mit denen herkömmliche Parkraummanagementsysteme zu kämpfen haben. Computer-Vision-Modelle wie Ultralytics YOLOv8 und hochauflösende Kameras können Parkplätze überwachen und in Echtzeit anzeigen, welche Stellplätze frei oder belegt sind.

Wie funktioniert das? Ein Computer-Vision-Modell kann Aufnahmen von hochauflösenden Kameras analysieren, um Fahrzeuge zu erkennen, ihre Bewegungen zu verfolgen und freie Stellplätze zu identifizieren. Das Ultralytics YOLOv8-Modell unterstützt Computer-Vision-Aufgaben wie Objekterkennung und Objektverfolgung und kann Fahrzeuge in einem Videostream präzise erkennen und klassifizieren. Durch den Vergleich der erkannten Fahrzeugpositionen mit den vordefinierten Stellplätzen kann das System feststellen, ob ein Stellplatz belegt ist.

Abb. 2. YOLOv8 erkennt Parkplätze.

Informationen zur Parkplatzverfügbarkeit aus dem kamerabasierten System können in verschiedene Anwendungen integriert und dort genutzt werden:

• Mobile Apps: Mobile Anwendungen können die aktuelle Verfügbarkeit von Parkplätzen anzeigen und Fahrern dabei helfen, schnell und einfach freie Stellplätze zu finden.
• Digitale Anzeigetafeln: Digitale Schilder an Parkplatzeinfahrten können die Anzahl freier Stellplätze anzeigen und Fahrer zum nächstgelegenen freien Platz leiten.
• Automatisierte Parksysteme: Die Daten können zur Steuerung automatischer Schranken und Tore verwendet werden. So wird die Einfahrt nur bei freien Stellplätzen ermöglicht und Fahrer werden zum nächstgelegenen freien Platz geleitet.

Die Vorteile eines Parkplatzverwaltungssystems#

Erkenntnisse zur Parkplatzverfügbarkeit bieten viele Vorteile. Echtzeitmeldungen helfen Autofahrern, direkt zu freien Stellplätzen zu fahren. Das verbessert den Verkehrsfluss und verringert den Stress bei der Parkplatzsuche. Betreiber können anhand der Informationen zur Stellplatznutzung den Parkplatz besser verwalten, die Sicherheit durch Echtzeitüberwachung verbessern und schnell auf Vorfälle reagieren.

Die Automatisierung von Parkfunktionen senkt die Kosten, da weniger manuelle Arbeit erforderlich ist. KI-Systeme erleichtern die Reservierung von Stellplätzen über mobile Apps oder Webanwendungen. Autofahrer erhalten dadurch Benachrichtigungen zur Verfügbarkeit und sparen Zeit und Geld. Stadtplaner können diese Daten nutzen, um bessere Straßenführungen zu entwerfen, wirksame Parkvorschriften durchzusetzen und neue Parkeinrichtungen zu entwickeln, die Städte effizienter und leichter zugänglich machen.

Abb. 3 Parkplätze über eine mobile App reservieren.

Probiere es selbst aus: Parkplatzverwaltung mit YOLOv8#

Nachdem du nun weißt, wie Parkplatzverwaltung funktioniert und welche Vorteile sie bietet, schauen wir uns an, wie du ein kamerabasiertes Parkplatzverwaltungssystem entwickeln kannst. Wir verwenden das YOLOv8-Modell, um Fahrzeuge zu erkennen, Stellplätze zu überwachen und deren Belegungsstatus zu bestimmen.

In diesem Beispiel kannst du ein Video oder einen Kamerastream von einem Parkplatz verwenden. Bevor wir beginnen, solltest du bedenken, dass dieses System auf einer präzisen Fahrzeugerkennung und vorgegebenen Koordinaten der Parkplätze beruht.

Die Kamerakalibrierung und die Umgebungsbedingungen können die Genauigkeit der Stellplatzerkennung und der Belegungsbestimmung beeinflussen. Auch Verarbeitungsgeschwindigkeit und Genauigkeit können je nach Leistung deiner GPU variieren.

Schritt 1: Installiere zunächst das Ultralytics-Paket. Öffne die Eingabeaufforderung oder das Terminal und führe den folgenden Befehl aus.

pip install ultralytics

Eine ausführliche Anleitung und bewährte Vorgehensweisen zur Installation findest du in unserer Ultralytics-Installationsanleitung. Falls beim Installieren der erforderlichen Pakete für YOLOv8 Probleme auftreten, findest du in unserer Anleitung zu häufigen Problemen Lösungen und hilfreiche Tipps.

Schritt 2: Wir müssen zunächst Parkplätze auswählen, damit wir die interessierenden Bereiche in deinem Videomaterial markieren können. Führe diesen Code aus, um die Benutzeroberfläche zur Auswahl der Parkplätze zu öffnen.

from ultralytics import solutions

solutions.ParkingPtsSelection()

Wie unten gezeigt, wird beim Ausführen dieses Codes eine Benutzeroberfläche geöffnet. Erstelle ein Einzelbild oder einen Screenshot deines Eingabevideos mit einem Parkplatz und lade es hoch. Zeichne Begrenzungsrahmen um die Parkplätze und klicke dann auf die Speicheroption. Die Informationen zu den ausgewählten Parkplätzen werden in einer JSON-Datei namens ‘bounding_boxes.json.’ gespeichert.

Abb. 4 Parkplätze in deinem Videomaterial auswählen.

Schritt 3: Jetzt kommen wir zum Hauptteil des Codes für das Parkraummanagement. Beginne damit, die erforderlichen Bibliotheken zu importieren und den Pfad zur JSON-Datei festzulegen, die wir in Schritt 2 erstellt haben.

import cv2
from ultralytics import solutions

polygon_json_path = "bounding_boxes.json"

Schritt 4: Erstelle ein VideoCapture-Objekt, um die Eingabevideodatei einzulesen, und vergewissere dich, dass die Videodatei erfolgreich geöffnet wurde.

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

Schritt 5: Initialisiere alle benötigten Videoeigenschaften wie Breite, Höhe und Bilder pro Sekunde.

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

Schritt 6: Als Nächstes erstellen wir ein VideoWriter-Objekt, um die abschließend verarbeitete Videodatei zu speichern.

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

Schritt 7: Hier initialisieren wir das Parkraummanagementsystem mit dem Ultralytics-YOLOv8-Modell und den in der JSON-Datei gespeicherten Parkbereichen.

management = solutions.ParkingManagement(model="yolov8n.pt", json_file=polygon_json_path)

Schritt 8: Jetzt verarbeiten wir die Videodatei Bild für Bild. Wenn keine Bilder eingelesen werden, wird die Schleife beendet.

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

Schritt 9: Innerhalb der Schleife übergeben wir jedes Bild an das Objekt für das Parkraummanagement. Es verfolgt Fahrzeuge im Bild mithilfe des YOLOv8-Modells und prüft, ob die zuvor festgelegten Parkbereiche belegt sind.

    results = management(im0)

Schritt 10: Die zurückgegebenen Ergebnisse enthalten die Anzahl belegter und freier Parkplätze. Du kannst diese ausgeben oder an andere Anwendungen übergeben.

    print(f"Occupied: {results.filled_slots}, Available: {results.available_slots}")

Schritt 11: Im letzten Teil der Schleife wird das annotierte Bild in die Ausgabevideodatei „parking management.avi“ geschrieben.

    video_writer.write(results.plot_im)

Schritt 12: Zum Schluss können wir die VideoCapture- und VideoWriter-Objekte freigeben und alle Fenster schließen.

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

Schritt 13: Speichere dein Skript. Wenn du im Terminal oder in der Eingabeaufforderung arbeitest, führe das Skript mit folgendem Befehl aus:

python your_script_name.py

Wenn du mehr über den Code erfahren möchtest, wirf gern einen Blick in die offizielle Dokumentation von Ultralytics.

Herausforderungen bei einem automatisierten Parkplatzverwaltungssystem#

Intelligente Parksysteme bieten sowohl Fahrern als auch Unternehmen viele Vorteile. Allerdings bringen sie auch einige Herausforderungen mit sich, die vor der Umsetzung solcher Lösungen berücksichtigt werden sollten. Sehen wir uns einige davon an.

• Datenschutzbedenken: Diese Systeme erfassen Informationen wie Marke und Modell des Fahrzeugs einer Person, das Kennzeichen, Ein- und Ausfahrtszeit usw.
• Hohe Installationskosten: Sensoren, Kameras, automatische Ticketautomaten und KI-Software können teuer in der Installation sein.
• Wartungsaufwand: Wie häufig eine Wartung nötig ist, hängt vom KI-System ab. Die meisten Systeme müssen jedoch monatlich gewartet werden.

Die Zukunft intelligenter Parksysteme#

Innovatives Parkraummanagement wird künftig auf modernste Technologien wie KI, selbstfahrende Autos und virtuelle Realität setzen, um das Parkerlebnis insgesamt zu verbessern und die Nachhaltigkeit zu fördern. Bei der Integration in diese Systeme können selbstfahrende Autos ohne menschliches Eingreifen zu Parkplätzen navigieren und dort parken. Diese Systeme helfen Unternehmen außerdem dabei, mehr Parkplätze zu belegen und ihre Dienstleistungen über mehrere Apps und Websites zu bewerben. Darüber hinaus verringern sie die CO₂-Emissionen, die entstehen, wenn Fahrer auf der Suche nach einem Parkplatz umherfahren.

Schluss mit dem Parkstress#

KI-Modelle wie Ultralytics YOLOv8 und Computer Vision können deinen Parkplatz grundlegend verändern. Sie verringern die Zeit, die mit der Suche nach freien Plätzen verbracht wird, sparen dir Zeit und senken die Emissionen. Diese intelligenten Parkraummanagementsysteme gehen häufige Probleme wie Staus, Falschparken und Frustration bei Fahrern an. Zwar ist zunächst eine Investition erforderlich, doch die langfristigen Vorteile sind beträchtlich. Investitionen in intelligentes Parken sind entscheidend für nachhaltige Städte und ein reibungsloseres Parkerlebnis für alle.

Möchtest du mehr über KI erfahren? Vernetze dich mit unserer Community! Sieh dir unser GitHub-Repository an und erfahre mehr darüber, wie wir KI nutzen, um innovative Lösungen in verschiedenen Branchen wie dem Gesundheitswesen und der Landwirtschaft zu entwickeln. Arbeite mit uns zusammen, bringe neue Ideen ein und lerne mit uns!