Daha akıllı park yönetim sistemleri için Ultralytics YOLOv8

Özellikle geç kalıyorsan park yeri aramak için daireler çizerek araç kullanmak stresli olabilir. Park edecek bir yer bulmanın geleneksel yolu yorucu ve zaman alıcı olabilir. Ancak yapay zekâ (AI) ve bilgisayarlı görü ile desteklenen bir otopark yönetim sistemi işleri kolaylaştırabilir. Park yeri bulunabilirliğini daha öngörülebilir hâle getirebilir ve trafik yoğunluğunu azaltabilir.

Bu makalede, otopark yönetim sistemlerini yapay zekâ ve bilgisayarlı görü ile nasıl geliştirebileceğini öğreneceğiz. Ayrıca, bilgisayarlı görü özellikli bir otopark yönetim sistemi oluşturmak için Ultralytics YOLOv8 modelini nasıl kullanabileceğini göstermek üzere adım adım bir kodlama örneğini inceleyeceğiz. Hemen başlayalım!

Geleneksel otopark yönetimindeki sorunlar#

Yapay zekâ ile geliştirilmiş akıllı otopark yönetim sistemlerini ele almadan önce, geleneksel otopark yönetim sistemlerinin sorunlarına göz atalım.

Geleneksel sistemlerdeki başlıca sorunlardan biri otopark alanlarının aşırı kalabalık olmasıdır; otoparklarda mevcut alanlardan daha fazla araç bulunur. Yer aramak için zaman kaybetmenin yanı sıra aşırı kalabalık, fazla yakıt tüketimine ve hava kirliliğine yol açar. Bir diğer sorun da sürücü stresidir. Bir ankete göre insanların yaklaşık %27'si park yeri aramak için en az 30 dakika harcıyor. Ayrıca insanların %43'ü park yerleri konusunda yabancılarla sözlü tartışmalara girdiklerini kabul etti.

Şekil 1. Stresli bir sürücü. Görsel kaynağı: Envato Elements.

Yapay zekâ otopark yönetimini kolaylaştırıyor#

Yapay zekâ ile entegre edilen otoparklar, geleneksel otopark yönetim sistemlerinin karşılaştığı sorunları çözmeyi amaçlar. Ultralytics YOLOv8 modeli gibi bilgisayarlı görü modelleri ve yüksek çözünürlüklü kameralar, otoparkları izleyebilir ve mevcut ve dolu park yerleri hakkında gerçek zamanlı güncellemeler alabilir.

Bu nasıl çalışır? Bir bilgisayarlı görü modeli, araçları tespit etmek, hareketlerini izlemek ve boş park yerlerini belirlemek için yüksek çözünürlüklü kameralardan alınan görüntüleri analiz edebilir. Ultralytics YOLOv8 modeli, nesne tespiti ve nesne takibi gibi bilgisayarlı görü görevlerini destekler ve video akışı içindeki araçları doğru şekilde belirleyip sınıflandırabilir. Sistem, tespit edilen araç konumlarını önceden tanımlanmış park yerleriyle karşılaştırarak bir park yerinin dolu olup olmadığını belirleyebilir.

Şekil 2. YOLOv8 park yerlerini tespit ediyor.

Görü tabanlı sistemden elde edilen park yeri bulunabilirliği bilgileri, farklı uygulamalara entegre edilip genişletilebilir:

• Mobil Uygulamalar: Mobil uygulamalar gerçek zamanlı park yeri bulunabilirliğini gösterebilir ve sürücülerin boş yerleri hızlı ve kolay bir şekilde bulmasına yardımcı olabilir.
• Dijital Tabelalar: Otopark girişlerindeki dijital tabelalar, mevcut alan sayısını gösterebilir ve sürücüleri en yakın boş yere yönlendirebilir.
• Otomatik Otopark Sistemleri: Veriler, otomatik bariyerleri ve kapıları kontrol etmek için kullanılabilir; böylece yalnızca alan bulunduğunda girişe izin verilir ve sürücüler en yakın boş yere yönlendirilir.

Bir otopark yönetim sisteminin avantajları#

Park yeri bulunabilirliğine ilişkin içgörüler birçok avantaj sağlayabilir. Gerçek zamanlı güncellemeler, sürücülerin doğrudan boş alanlara gitmesine yardımcı olarak trafik akışını daha düzenli hâle getirir ve park yeri bulma stresini azaltır. İşletmeciler açısından alanların nasıl kullanıldığını anlamak, otoparkı daha iyi yönetmelerini, gerçek zamanlı izlemeyle güvenliği artırmalarını ve olaylara hızlı bir şekilde müdahale etmelerini sağlar.

Otopark işlevlerini otomatikleştirmek, manuel iş gücü ihtiyacını azaltarak maliyetleri düşürür. Yapay zekâ sistemleri, mobil veya web uygulamaları üzerinden park yeri ayırtmayı kolaylaştırır; sürücülerin bulunabilirlik hakkında bildirim almasını ve zamandan ve paradan tasarruf etmesini sağlar. Şehir planlamacıları bu verileri daha iyi yol düzenleri tasarlamak, etkili park düzenlemelerini uygulamak ve şehirleri daha verimli ve ulaşımı daha kolay hâle getiren yeni otopark tesisleri geliştirmek için kullanabilir.

Şekil 3. Mobil uygulama üzerinden park yeri ayırtma.

Kendin dene: YOLOv8 kullanarak otopark yönetimi#

Artık otopark yönetimi ve avantajlarını net bir şekilde anladığımıza göre, görü tabanlı bir otopark yönetim sistemini nasıl oluşturabileceğine bakalım. Araçları tespit etmek, park alanlarını izlemek ve doluluk durumlarını belirlemek için YOLOv8 modelini kullanacağız.

Bu örnekte bir otoparkın video veya kamera akışını kullanabilirsin. Bu örnekte desteklenen maksimum görüntü boyutunun 1920 * 1080 olduğunu lütfen unutma. Başlamadan önce, bu sistemin doğru araç tespitine ve önceden tanımlanmış park yeri koordinatlarına dayandığını unutma.

Kamera kalibrasyonu ve çevresel etkenler, alan tespitinin ve doluluk durumunun doğruluğunu etkileyebilir. İşleme hızı ve doğruluk, GPU performansına bağlı olarak da değişebilir.

1. Adım: Ultralytics paketini yükleyerek başlayalım. Komut istemini veya terminali aç ve aşağıdaki komutu çalıştır.

pip install ultralytics

Ayrıntılı talimatlar ve yükleme sürecine ilişkin en iyi uygulamalar için Ultralytics Kurulum kılavuzumuza başvur. YOLOv8 için gerekli paketleri yüklerken herhangi bir sorunla karşılaşırsan yaygın sorunlar kılavuzumuz çözümler ve faydalı ipuçları sunar.

2. Adım: Görüntündeki ilgi alanlarını işaretleyebilmek için park yerlerini önceden seçmemiz gerekir. Park yerlerini önceden seçmek üzere kullanıcı arayüzünü açmak için bu kodu çalıştır.

from ultralytics import solutions

solutions.ParkingPtsSelection()

Aşağıda gösterildiği gibi, bu kodu çalıştırdığında bir kullanıcı arayüzü açılır. Otoparkın giriş videondan bir kare veya ekran görüntüsü alıp yükle. Park yerlerinin etrafına sınırlayıcı kutular çizdikten sonra kaydet seçeneğine tıkla. Seçtiğin park yeri bilgileri ‘bounding_boxes.json.’ adlı bir JSON dosyasına kaydedilir.

Şekil 4. Görüntündeki park yerlerini seçme.

3. Adım: Şimdi otopark yönetiminin ana koduna geçebiliriz. Gerekli tüm kitaplıkları içe aktararak ve 2. adımda oluşturduğumuz JSON dosyasını başlatarak başla.

import cv2
from ultralytics import solutions

polygon_json_path = "bounding_boxes.json"

4. Adım: Giriş video dosyasını okumak için bir VideoCapture nesnesi oluştur ve video dosyasının başarıyla açıldığından emin ol.

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

5. Adım: Genişlik, yükseklik ve saniyedeki kare sayısı gibi gerekli tüm video özelliklerini başlat.

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

6. Adım: Ardından, işlenmiş son video dosyasını kaydetmek için bir VideoWriter nesnesi oluşturabiliriz.

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

7. Adım: Burada, park yeri tespiti için Ultralytics YOLOv8 modeliyle otopark yönetim sistemini başlatıyoruz.

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

8. Adım: Şimdi video dosyasını işlemek üzere kare kare inceliyoruz. Hiçbir kare okunmazsa döngü sonlanır.

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

9. Adım: Döngünün içinde, önceden seçilen park bölgelerini JSON dosyasından çıkaracağız ve YOLOv8 modelini kullanarak karedeki nesneleri takip edeceğiz.

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

10. Adım: Döngünün bu bölümü, takip sonuçlarını işler ve tespit edilen nesnelerin sınırlayıcı kutu koordinatlarını ve sınıf etiketlerini alır.

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)

11. Adım: Döngünün son bölümünde mevcut kare açıklamalarla görüntülenir ve işlenmiş kare “parking management.avi.” çıktı video dosyasına yazılır.

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

12. Adım: Son olarak VideoCapture ve VideoWriter nesnelerini serbest bırakabilir ve tüm pencereleri kapatabiliriz.

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

13. Adım: Betiğini kaydet. Terminal veya komut istemi üzerinden çalışıyorsan betiği aşağıdaki komutu kullanarak çalıştır:

python your_script_name.py

Kod hakkında daha fazla bilgi edinmek istersen Ultralytics’ın resmî belgelerine göz atabilirsin.

Otomatikleştirilmiş otopark yönetim sisteminin zorlukları#

Akıllı otopark sistemleri hem sürücülere hem de işletmelere birçok avantaj sunar. Ancak bu sistemler, bu tür çözümleri uygulamadan önce dikkate alınması gereken bazı zorlukları da beraberinde getirir. Bunlardan bazılarına göz atalım.

• Gizlilik Endişeleri: Bu sistemler bir kişinin aracının marka ve modeli, plaka numarası, giriş ve çıkış zamanı gibi bilgileri toplar.
• Yüksek Kurulum Maliyeti: Sensörlerin, kameraların, otomatik bilet makinelerinin ve yapay zekâ yazılımlarının kurulumu pahalı olabilir.
• Bakım Gereksinimleri: Bakım sıklığı yapay zekâ sistemine bağlıdır, ancak çoğu sistem aylık bakım gerektirir.

Akıllı otopark sistemlerinin geleceği#

Geleceğin yenilikçi otopark yönetimi, genel park deneyimini iyileştirmek ve sürdürülebilirliği desteklemek için yapay zekâ, otonom araçlar ve sanal gerçeklik gibi son teknoloji çözümleri kullanmaya odaklanacak. Bu sistemlerle entegre edildiğinde otonom araçlar, insan müdahalesi olmadan park konumlarına gidebilecek ve park edebilecek. Bu sistemler ayrıca işletmelerin daha fazla park yerini doldurmasına ve hizmetlerini birden fazla uygulama ve web sitesinde tanıtmasına yardımcı olur. Bunun yanı sıra, park yeri aramak için araç kullanan sürücülerin neden olduğu karbon emisyonu miktarını azaltır.

Park etme sorunlarına son#

Ultralytics YOLOv8 gibi yapay zekâ modelleri ve bilgisayarlı görü, otoparkını dönüştürebilir. Park yeri aramak için daireler çizerek dolaşma ihtiyacını büyük ölçüde azaltır; böylece zamandan tasarruf eder ve emisyonları düşürürsün. Bu akıllı otopark yönetim sistemleri, trafik yoğunluğu, yasa dışı park ve sürücülerin yaşadığı hayal kırıklığı gibi yaygın sorunların üstesinden gelir. Başlangıçta bir yatırım gerektirse de uzun vadeli faydaları oldukça önemlidir. Akıllı otoparka yatırım yapmak, sürdürülebilir şehirler ve herkes için daha sorunsuz bir park deneyimi oluşturmanın anahtarıdır.

Yapay zekâ hakkında daha fazla bilgi edinmek ister misin? Topluluğumuzla iletişime geç! GitHub depomuzu keşfederek yapay zekâyı sağlık ve tarım gibi çeşitli sektörlerde yenilikçi çözümler oluşturmak için nasıl kullandığımız hakkında daha fazla bilgi edin. Bizimle iş birliği yap, yenilik üret ve öğren! 🚀