Ultralytics YOLOv8 cho các hệ thống quản lý bãi đỗ xe thông minh hơn

Việc lái xe vòng quanh để tìm chỗ đỗ có thể gây căng thẳng, nhất là khi bạn sắp muộn giờ. Cách tìm chỗ đỗ truyền thống có thể tẻ nhạt và tốn thời gian. Tuy nhiên, hệ thống quản lý bãi đỗ xe ứng dụng trí tuệ nhân tạo (AI) và thị giác máy tính có thể đơn giản hóa việc này. Hệ thống giúp dự đoán khả năng còn chỗ đỗ chính xác hơn và giảm ùn tắc giao thông.

Trong bài viết này, chúng ta sẽ tìm hiểu cách nâng cấp hệ thống quản lý bãi đỗ xe bằng trí tuệ nhân tạo và thị giác máy tính. Chúng ta cũng sẽ đi qua ví dụ lập trình từng bước để hướng dẫn bạn sử dụng model Ultralytics YOLOv8 tạo hệ thống quản lý bãi đỗ xe tích hợp thị giác máy tính.

Những vấn đề trong quản lý bãi đỗ xe truyền thống#

Trước khi thảo luận về các hệ thống quản lý bãi đỗ xe thông minh ứng dụng AI, hãy cùng xem xét những vấn đề của hệ thống quản lý bãi đỗ xe truyền thống.

Một vấn đề lớn của các hệ thống truyền thống là bãi đỗ xe quá tải: số lượng ô tô trong bãi nhiều hơn số chỗ trống. Ngoài việc lãng phí thời gian tìm chỗ, tình trạng quá tải còn làm tăng mức tiêu thụ nhiên liệu và ô nhiễm không khí. Một vấn đề khác là căng thẳng của tài xế. Theo một khảo sát, khoảng 27% số người dành ít nhất 30 phút để tìm chỗ đỗ. Ngoài ra, 43% số người thừa nhận từng tranh cãi bằng lời với người lạ về chỗ đỗ xe.

Hình 1. Một tài xế đang căng thẳng. Nguồn ảnh: Envato Elements.

AI giúp quản lý bãi đỗ xe dễ dàng hơn#

Bãi đỗ xe tích hợp AI hướng đến giải quyết những vấn đề mà các hệ thống quản lý bãi đỗ xe truyền thống gặp phải. Các model thị giác máy tính như Ultralytics YOLOv8 cùng camera độ phân giải cao có thể giám sát bãi đỗ xe và cập nhật theo thời gian thực về các chỗ đỗ còn trống hoặc đã có xe.

Cách thức hoạt động? Model thị giác máy tính có thể phân tích video từ camera độ phân giải cao để phát hiện phương tiện, theo dõi di chuyển và xác định chỗ đỗ còn trống. Model Ultralytics YOLOv8 hỗ trợ các tác vụ thị giác máy tính như phát hiện đối tượng và theo dõi đối tượng, đồng thời có thể nhận diện và phân loại chính xác phương tiện trong luồng video. Bằng cách so sánh vị trí phương tiện được phát hiện với các chỗ đỗ đã xác định trước, hệ thống có thể xác định chỗ đỗ có xe hay không.

Hình 2. YOLOv8 phát hiện chỗ đỗ xe.

Thông tin về tình trạng chỗ đỗ từ hệ thống dựa trên thị giác có thể được tích hợp và mở rộng sang nhiều ứng dụng khác nhau:

• Ứng dụng di động: Ứng dụng di động có thể hiển thị tình trạng chỗ đỗ xe theo thời gian thực, giúp tài xế tìm chỗ trống nhanh chóng và dễ dàng.
• Biển báo điện tử: Biển báo điện tử tại lối vào bãi đỗ xe có thể hiển thị số chỗ còn trống và hướng dẫn tài xế đến chỗ trống gần nhất.
• Hệ thống đỗ xe tự động: Dữ liệu có thể được sử dụng để điều khiển thanh chắn và cổng tự động, chỉ cho phép xe vào khi còn chỗ và hướng dẫn tài xế đến vị trí trống gần nhất.

Lợi ích của hệ thống quản lý bãi đỗ xe#

Thông tin chuyên sâu về tình trạng chỗ đỗ có thể mang lại nhiều lợi ích. Cập nhật theo thời gian thực giúp tài xế đi thẳng đến chỗ trống, cải thiện luồng giao thông và giảm căng thẳng khi tìm chỗ đỗ. Đối với đơn vị vận hành, việc hiểu rõ cách sử dụng các chỗ đỗ giúp quản lý bãi tốt hơn, tăng cường an ninh nhờ giám sát theo thời gian thực và phản ứng nhanh chóng khi có sự cố.

Tự động hóa các chức năng đỗ xe giúp giảm chi phí bằng cách hạn chế nhu cầu lao động thủ công. Hệ thống AI giúp đặt chỗ đỗ qua ứng dụng di động hoặc web dễ dàng hơn, cho phép tài xế nhận thông báo về tình trạng chỗ trống và tiết kiệm thời gian, tiền bạc. Các nhà quy hoạch đô thị có thể dùng dữ liệu này để thiết kế bố cục đường sá tốt hơn, thực thi quy định đỗ xe hiệu quả và phát triển các cơ sở đỗ xe mới, giúp thành phố vận hành hiệu quả hơn và dễ di chuyển hơn.

Hình 3. Đặt chỗ đỗ xe qua ứng dụng di động.

Tự thực hành: Quản lý bãi đỗ xe bằng YOLOv8#

Giờ đây, khi đã hiểu rõ về quản lý bãi đỗ xe và những lợi ích của phương pháp này, hãy cùng tìm hiểu cách xây dựng một hệ thống quản lý bãi đỗ xe dựa trên thị giác. Chúng ta sẽ dùng model YOLOv8 để phát hiện phương tiện, giám sát chỗ đỗ và xác định tình trạng có xe hay không.

Trong ví dụ này, bạn có thể sử dụng video hoặc luồng camera từ bãi đỗ xe. Trước khi bắt đầu, hãy nhớ rằng hệ thống này phụ thuộc vào khả năng phát hiện phương tiện chính xác và tọa độ chỗ đỗ xe được xác định trước.

Hiệu chuẩn camera và các yếu tố môi trường có thể ảnh hưởng đến độ chính xác của việc phát hiện chỗ đỗ và xác định tình trạng có xe. Tốc độ xử lý và độ chính xác cũng có thể thay đổi tùy theo hiệu năng GPU của bạn.

Bước 1: Hãy bắt đầu bằng cách cài đặt gói Ultralytics. Mở command prompt hoặc terminal và thực thi lệnh sau.

pip install ultralytics

Tham khảo hướng dẫn cài đặt Ultralytics để xem hướng dẫn chi tiết và các phương pháp tốt nhất cho quy trình cài đặt. Nếu gặp sự cố khi cài đặt các package cần thiết cho YOLOv8, hướng dẫn xử lý sự cố thường gặp của chúng tôi sẽ cung cấp giải pháp và các mẹo hữu ích.

Bước 2: Chúng ta cần chọn trước các chỗ đỗ xe để đánh dấu những khu vực quan tâm trong video của bạn. Chạy đoạn mã này để mở giao diện người dùng và chọn trước các chỗ đỗ xe.

from ultralytics import solutions

solutions.ParkingPtsSelection()

Như minh họa bên dưới, một giao diện người dùng sẽ mở ra khi bạn chạy đoạn mã này. Chụp một khung hình hoặc ảnh màn hình từ video đầu vào về bãi đỗ xe rồi tải ảnh lên. Sau khi vẽ các bounding box quanh chỗ đỗ xe, hãy nhấp vào tùy chọn lưu. Thông tin về các chỗ đỗ xe đã chọn sẽ được lưu trong tệp JSON có tên ‘bounding_boxes.json.’

Hình 4. Chọn chỗ đỗ xe trong video của bạn.

Bước 3: Bây giờ, chúng ta sẽ chuyển sang phần code chính để quản lý bãi đỗ xe. Bắt đầu bằng cách import các thư viện cần thiết và xác định đường dẫn đến tệp JSON đã tạo ở bước 2.

import cv2
from ultralytics import solutions

polygon_json_path = "bounding_boxes.json"

Bước 4: Tạo một đối tượng VideoCapture để đọc tệp video đầu vào và đảm bảo tệp video đã được mở thành công.

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

Bước 5: Khởi tạo tất cả thuộc tính video cần thiết như chiều rộng, chiều cao và số khung hình mỗi giây.

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

Bước 6: Tiếp theo, chúng ta có thể tạo một đối tượng VideoWriter để lưu tệp video đã xử lý cuối cùng.

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

Bước 7: Ở đây, chúng ta khởi tạo hệ thống quản lý bãi đỗ xe bằng model Ultralytics YOLOv8 và các vùng đỗ xe được lưu trong tệp JSON.

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

Bước 8: Bây giờ, chúng ta sẽ xử lý tệp video lần lượt theo từng khung hình. Nếu không đọc được khung hình nào, vòng lặp sẽ kết thúc.

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

Bước 9: Trong vòng lặp, chúng ta truyền từng khung hình cho đối tượng quản lý bãi đỗ xe. Đối tượng này theo dõi phương tiện trong khung hình bằng model YOLOv8 và kiểm tra xem từng vùng đỗ xe được chọn trước có bị chiếm hay không.

    results = management(im0)

Bước 10: Kết quả trả về bao gồm số chỗ đỗ đã có xe và còn trống; bạn có thể in kết quả hoặc chuyển cho các ứng dụng khác.

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

Bước 11: Phần cuối của vòng lặp ghi khung hình đã được chú thích vào tệp video đầu ra “parking management.avi.”

    video_writer.write(results.plot_im)

Bước 12: Cuối cùng, chúng ta có thể giải phóng các đối tượng VideoCapture và VideoWriter, đồng thời đóng mọi cửa sổ.

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

Bước 13: Lưu script của bạn. Nếu đang làm việc trong terminal hoặc command prompt, hãy chạy script bằng lệnh sau:

python your_script_name.py

Hãy xem tài liệu chính thức của Ultralytics nếu bạn muốn tìm hiểu thêm về đoạn mã.

Thách thức của hệ thống quản lý bãi đỗ xe tự động#

Hệ thống đỗ xe thông minh mang lại nhiều lợi ích cho cả tài xế lẫn doanh nghiệp. Tuy nhiên, hệ thống cũng có một số thách thức cần cân nhắc trước khi triển khai các giải pháp này. Hãy cùng xem một số thách thức đó.

• Lo ngại về quyền riêng tư: Các hệ thống này thu thập thông tin như hãng và model xe của một cá nhân, biển số, thời gian vào và ra, v.v.
• Chi phí lắp đặt cao: Cảm biến, camera, máy bán vé tự động và phần mềm AI có thể tốn kém khi lắp đặt.
• Yêu cầu bảo trì: Tần suất bảo trì phụ thuộc vào hệ thống AI, nhưng hầu hết hệ thống cần được bảo trì hàng tháng.

Tương lai của các hệ thống đỗ xe thông minh#

Đổi mới trong quản lý bãi đỗ xe tương lai sẽ dựa vào các công nghệ tiên tiến như AI, xe tự lái và thực tế ảo để cải thiện trải nghiệm đỗ xe tổng thể và hỗ trợ tính bền vững. Khi được tích hợp với các hệ thống này, xe tự lái có thể tự tìm đến vị trí đỗ và đỗ xe mà không cần con người can thiệp. Các hệ thống này cũng giúp doanh nghiệp lấp đầy nhiều chỗ đỗ hơn và quảng bá dịch vụ trên nhiều ứng dụng và trang web. Chúng còn giảm lượng khí thải carbon do tài xế chạy vòng quanh để tìm chỗ đỗ.

Chấm dứt phiền toái khi đỗ xe#

Các model AI như Ultralytics YOLOv8 và thị giác máy tính có thể cải tiến bãi đỗ xe của bạn. Chúng giảm thời gian chạy vòng quanh tìm chỗ, giúp tiết kiệm thời gian và giảm khí thải. Các hệ thống quản lý bãi đỗ xe thông minh giải quyết những vấn đề phổ biến như ùn tắc, đỗ xe trái phép và sự bực bội của tài xế. Dù cần khoản đầu tư ban đầu, lợi ích lâu dài rất đáng kể. Đầu tư vào hệ thống đỗ xe thông minh là yếu tố then chốt để xây dựng các thành phố bền vững và mang lại trải nghiệm đỗ xe thuận tiện hơn cho mọi người.

Muốn tìm hiểu thêm về AI? Hãy kết nối với cộng đồng của chúng tôi! Khám phá repository GitHub để tìm hiểu thêm về cách chúng tôi ứng dụng AI tạo ra các giải pháp đổi mới trong nhiều ngành như chăm sóc sức khỏe và nông nghiệp. Hãy cùng cộng tác, đổi mới và học hỏi!