Daha akıllı otopark yönetim sistemleri için Ultralytics YOLOv8

Özellikle geç kaldıysan, otopark yeri ararken daireler çizerek dolaşmak stresli olabilir. Geleneksel otopark yeri arama yöntemi sıkıcı ve zaman alıcı olabilir. Ancak, yapay zeka (AI) ve bilgisayarlı görü ile desteklenen bir otopark yönetim sistemi işleri kolaylaştırabilir. Bu sistemler park yeri kullanılabilirliğini daha öngörülebilir hale getirebilir ve trafik sıkışıklığını azaltabilir.

Bu makalede, otopark yönetim sistemlerini yapay zeka ve computer vision ile nasıl yükselteceğimizi öğreneceğiz. Ayrıca Ultralytics YOLOv8 modelini kullanarak computer vision özellikli bir parking management system oluşturmayı nasıl yapabileceğini gösteren adım adım bir kodlama örneğini ele alacağız. Hadi hemen başlayalım!

Geleneksel otopark yönetimindeki sorunlar#

Yapay zeka destekli akıllı otopark yönetim sistemlerini tartışmadan önce, geleneksel otopark yönetim sistemlerindeki sorunlara bir göz atalım.

Geleneksel sistemlerin en büyük sorunlarından biri aşırı kalabalık otoparklardır; otoparklarda müsait yerlerden çok daha fazla araba bulunmaktadır. Boş yer aramakla zaman kaybetmenin yanı sıra aşırı kalabalık, fazladan yakıt tüketimine ve hava kirliliğine yol açar. Diğer bir sorun ise sürücü stresidir. Bir ankete göre, insanların yaklaşık %27'si park yeri aramak için en az 30 minutes harcamaktadır. Ayrıca insanların %43'ü, park yeri yüzünden yabancılarla sözlü tartışmalara girdiğini itiraf etmiştir.

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

Yapay zeka otopark yönetimini kolaylaştırıyor#

Yapay zeka entegre edilmiş otoparklar, geleneksel otopark yönetim sistemlerinin karşılaştığı sorunları çözmeyi amaçlar. Ultralytics YOLOv8 model gibi computer vision modelleri ve yüksek çözünürlüklü kameralar otoparkları izleyebilir ve boş ile dolu park yerleri hakkında gerçek zamanlı güncellemeler alabilir.

Bu nasıl çalışır? Bir computer vision modeli, araçları tespit etmek, hareketlerini takip etmek ve müsait park yerlerini belirlemek için yüksek çözünürlüklü kameralardan gelen görüntüleri analiz edebilir. Ultralytics YOLOv8 modeli object detection ve object tracking gibi computer vision görevlerini destekler ve bir video akışı içindeki araçları doğru bir şekilde tanımlayıp sınıflandırabilir. Sistem, araçların tespit edilen konumlarını önceden tanımlanmış park yerleriyle karşılaştırarak bir park yerinin dolu olup olmadığını belirleyebilir.

Şekil 2. Park yerlerini tespit eden YOLOv8.

Görü tabanlı sistemden elde edilen otopark doluluk bilgileri entegre edilebilir ve farklı uygulamalara genişletilebilir:

• Mobil Uygulamalar: Mobil uygulamalar gerçek zamanlı park doluluk durumunu gösterebilir ve sürücülerin boş yerleri hızlı ve kolay bir şekilde bulmalarına yardımcı olabilir.
• Dijital Tabela: Otopark girişlerindeki dijital tabelalar, boş yer sayısını gösterebilir ve sürücüleri en yakın boş yere yönlendirebilir.
• Otomatik Otopark Sistemleri: Veriler, otomatik bariyerleri ve kapıları kontrol etmek için kullanılabilir; bu da sadece boş yer olduğunda girişlere izin verir ve sürücüleri en yakın boş alana yönlendirir.

Bir otopark yönetim sisteminin avantajları#

Park doluluğu hakkındaki içgörüler birçok avantaj sağlayabilir. Gerçek zamanlı güncellemeler, sürücülerin doğrudan boş alanlara gitmesine yardımcı olarak trafik akışını daha pürüzsüz hale getirir ve park yeri arama stresini azaltır. İşletmeciler için ise alanların nasıl kullanıldığını anlamak, otoparkı daha iyi yönetebilecekleri, gerçek zamanlı izleme ile güvenliği artırabilecekleri ve herhangi bir olaya hızla müdahale edebilecekleri anlamına gelir.

Otopark fonksiyonlarının otomatize edilmesi, manuel iş gücü ihtiyacını azaltarak maliyetleri düşürür. Yapay zeka sistemleri, mobil veya web uygulamaları aracılığıyla park yeri rezervasyonu yapmayı kolaylaştırarak sürücülerin doluluk durumu hakkında bildirim almasını sağlar ve zaman ile paradan tasarruf ettirir. Şehir planlamacıları bu verileri daha iyi yol düzenleri tasarlamak, etkili park düzenlemelerini uygulamak ve şehirleri daha verimli hale getirip ulaşımı kolaylaştıran yeni otopark tesisleri geliştirmek için kullanabilir.

Fig 3. Mobil uygulama üzerinden park yerleri rezervasyonu yapın.

Kendin dene: YOLOv8 kullanarak otopark yönetimi#

Otopark yönetimini ve avantajlarını net bir şekilde anladığımıza göre, görsel tabanlı bir otopark yönetim sistemini nasıl build edebileceğine dalalım. Araçları tespit etmek, park alanlarını izlemek ve doluluk durumlarını belirlemek için YOLOv8 modelini kullanacağız.

Bu örnekte, bir otoparkın videosunu veya kamera akışını kullanabilirsin. Lütfen bu örneğin desteklediği maksimum görüntü boyutunun 1920 * 1080 olduğunu unutma. Başlamadan önce, bu sistemin doğru araç tespitine ve önceden belirlenmiş park yeri koordinatlarına dayandığını hatırla.

Kamera kalibrasyonu ve çevresel faktörler, alan tespiti ve doluluk durumunun doğruluğunu etkileyebilir. İşleme hızı ve doğruluk, GPU'nun performansına bağlı olarak da değişiklik gösterebilir.

Adım 1: Ultralytics paketini kurarak başlayalım. Komut istemini veya terminalini aç ve aşağıdaki komutu çalıştır.

pip install ultralytics

Kurulum süreci hakkında ayrıntılı talimatlar ve en iyi uygulamalar için Ultralytics Installation guide kılavuzumuza göz at. YOLOv8 için gerekli paketleri kurarken herhangi bir sorunla karşılaşırsan, common issues guide kılavuzumuz çözümler ve faydalı ipuçları sunar.

Adım 2: Görüntündeki ilgi alanlarını işaretleyebilmemiz için park yerlerini önceden seçmemiz gerekiyor. 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 açılacaktır. Otopark videondan bir kare veya ekran görüntüsü al ve yükle. Park yerlerinin etrafına sınırlayıcı kutular (bounding boxes) çizdikten sonra kaydet seçeneğine tıkla. Seçtiğin park yeri bilgileri ‘bounding_boxes.json’ adlı bir JSON dosyasında kaydedilecektir.

Fig 4. Görüntünüzdeki park yerlerini seçme.

Adım 3: Şimdi, otopark yönetimi için ana koda geçebiliriz. Gerekli tüm kütüphaneleri içe aktararak ve 2. adımda oluşturduğumuz JSON dosyasını başlatarak başla.

import cv2
from ultralytics import solutions

polygon_json_path = "bounding_boxes.json"

Adım 4: 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"

Adım 5: Genişlik, yükseklik ve saniye başına 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))

Adım 6: Bir sonraki adımda, nihai işlenmiş video dosyasını kaydetmek için bir VideoWriter nesnesi oluşturabiliriz.

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

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

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

Adım 8: Şimdi, işleme için video dosyasını kare kare tarıyoruz. Eğer hiçbir kare okunmazsa, döngü kırılacaktır.

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

Adım 9: Döngü içinde, JSON dosyasından önceden seçilmiş park bölgelerini 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)

Adım 10: Döngünün bu kısmı, takip sonuçlarını işler ve tespit edilen nesnelerin sınırlayıcı kutu koordinatlarını ve sınıf etiketlerini elde eder.

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)

Adım 11: Döngünün son kısmı, ek açıklamalı mevcut kareyi görüntülemeyi ve işlenmiş kareyi “parking management.avi” adlı çıktı video dosyasına yazmayı içerir.

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

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

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

Adım 13: Komut dosyanı kaydet. Eğer terminalinden veya komut isteminden çalışıyorsan, betiği aşağıdaki komutu kullanarak çalıştır:

python your_script_name.py

Kod hakkında daha fazla bilgi edinmek istersen Ultralytics’ official docs kısmına göz atmaktan çekinme.

Otomatik otopark yönetim sisteminin zorlukları#

Akıllı otopark sistemleri hem sürücüler hem de işletmeler için birçok avantaj sunar. Ancak, bu tür çözümleri uygulamadan önce dikkate alınması gereken bazı zorlukları da beraberinde getirirler. Bunlardan bazılarına bir göz atalım.

• Gizlilik Endişeleri: Bu sistemler, kişinin aracının marka ve modeli, plaka numarası, giriş ve çıkış saati gibi bilgileri toplar.
• Yüksek Kurulum Maliyeti: Sensörler, kameralar, otomatik bilet makineleri ve yapay zeka yazılımlarının kurulumu pahalı olabilir.
• Bakım Gereksinimleri: Bakım sıklığı yapay zeka sistemine bağlıdır, ancak çoğu sistem aylık bakım gerektirir.

Akıllı otopark sistemlerinin geleceği#

Gelecekteki yenilikçi otopark yönetimi, genel otopark deneyimini iyileştirmek ve sürdürülebilirliği desteklemek için AI, otonom araçlar ve sanal gerçeklik gibi son teknoloji teknolojileri kullanmakla ilgili olacaktır. Bu sistemlerle entegre edildiğinde, self-driving cars insan müdahalesi olmadan park yerlerine gidebilecek ve park edebilecektir. Bu sistemler ayrıca işletmelerin daha fazla park yerini doldurmasına ve hizmetlerini birden fazla uygulama ve web sitesinde tanıtmasına yardımcı olur. Ayrıca sürücülerin park yeri aramak için etrafta dolaşmasından kaynaklanan karbon emisyonu miktarını da azaltırlar.

Park etme sorunlarını bitirmek#

Ultralytics YOLOv8 gibi yapay zeka modelleri ve computer vision, otoparkını dönüştürebilir. Yer aramak için tur atmayı büyük ölçüde azaltarak sana zaman kazandırır ve emisyonları düşürür. Bu akıllı otopark yönetim sistemleri trafik sıkışıklığı, yasadışı park etme ve sürücü hayal kırıklığı gibi yaygın sorunların üstesinden gelir. İlk yatırım gerektirse de uzun vadeli faydaları oldukça büyüktür. Akıllı otoparka yatırım yapmak, sürdürülebilir şehirler yaratmanın ve herkes için daha akıcı bir otopark deneyimi sunmanın anahtarıdır.

Yapay zeka hakkında daha fazla bilgi edinmek ister misin? community ile bağlantı kur! healthcare ve agriculture gibi çeşitli endüstrilerde yenilikçi çözümler yaratmak için yapay zekayı nasıl kullandığımız hakkında daha fazla bilgi edinmek için GitHub repository depomuzu keşfet. Bizimle işbirliği yap, yenilikler üret ve öğren! 🚀