Інтелектуальна система аналізу автомобільного трафіку

Скорочена інформація про документ
dc.contributor.advisorГончаренко, Олександр Олексійович
dc.contributor.authorЧиншевий, Назарій Ігорович
dc.date.accessioned2026-02-17T09:06:04Z
dc.date.available2026-02-17T09:06:04Z
dc.date.issued2025
dc.description.abstractСтруктура та обсяг роботи: робота складається з вступу та 4 розділів. Загальний обсяг роботи 98 аркушів основного тексту, 21 ілюстрація, 29 таблиць. При підготовці викоистовувалась література з 20 різних джерел. Актуальність: Сучасні міста стикаються зі зростаючими проблемами перевантаження транспортних мереж, заторів, підвищення аварійності та неефективного управління дорожнім рухом. Існуючі системи відеоспостереження часто залежать від ручної обробки або застарілих алгоритмів, що не дозволяють оперативно аналізувати дорожню ситуацію. Застосування методів штучного інтелекту, зокрема моделей комп’ютерного зору, дає можливість автоматизувати процес аналізу трафіку, підвищити точність і швидкість детекції транспортних засобів та створити основу для систем «розумного міста». Мета і завдання дослідження. Метою роботи є розробка розподіленої інтелектуальної системи аналізу дорожнього руху, що забезпечує автоматизовану обробку відеоданих, розпізнавання транспортних засобів, реєстраційних номерів та характеристик автомобілів із подальшим збереженням результатів у базі даних. Основні завдання дослідження включають: розробку серверної частини на базі FastAPI з інтеграцією з базами даних PostgreSQL; створення клієнтського застосунку на Windows Forms для зручної взаємодії користувача із системою; реалізацію архітектури Docker + Kubernetes для масштабування системи відповідно до кількості клієнтів; інтеграцію з Roboflow Workflow, який забезпечує використання моделей комп’ютерного зору для детекції транспортних засобів, номерів та кольору авто; створення механізмів обробки та зберігання результатів у двох базах даних - для користувачів і для результатів аналізу відео. Об’єкт дослідження. Процес автоматизованого аналізу транспортного трафіку з використанням розподіленої інфраструктури, методів штучного інтелекту та комп’ютерного зору. Предмет дослідження. Методи побудови розподілених клієнт-серверних систем для аналізу відеоданих у режимі реального часу з інтеграцією моделей комп’ютерного зору. Наукова новизна. Наукова новизна роботи полягає у створенні унікальної розподіленої архітектури системи, яка поєднує динамічне масштабування контейнеризованих бекендів у Kubernetes з автоматичною інтеграцією до воркфлоу Roboflow. Реалізовано механізм автоматичного створення ізольованого серверного середовища для кожного користувача після авторизації, що забезпечує високий рівень безпеки, стабільності та ефективного використання ресурсів. Додатково впроваджено алгоритми автоматизованого запису, обробки та вибірки даних із бази PostgreSQL із можливістю запитів за певними критеріями (тип авто, колір, номер тощо). Практична цінність. Розроблена система може бути впроваджена в центрах моніторингу транспорту, службах безпеки руху, муніципальних системах відеонагляду та логістичних компаніях. Вона забезпечує автоматичну обробку відеопотоків у реальному часі, централізоване збереження даних і гнучке масштабування інфраструктури. Реалізація системи сприятиме підвищенню ефективності управління дорожнім рухом, зниженню аварійності та розвитку концепції «розумних міст».
dc.description.abstractotherStructure and scope of work: the work consists of an introduction and 4 sections. The total volume of the work is 98 pages of main text, 21 illustration, 29 tables. Literature from 20 different sources was used in the preparation. Relevance. Modern cities are faced with growing problems of overloading transport networks, congestion, increased accident rates and inefficient traffic management. Existing video surveillance systems often depend on manual processing or outdated algorithms that do not allow for prompt analysis of the road situation. The use of artificial intelligence methods, in particular computer vision models, makes it possible to automate the process of traffic analysis, increase the accuracy and speed of vehicle detection and create the basis for «smart city» systems. Purpose and objectives of the study. The purpose of the work is to develop a distributed intelligent traffic analysis system that provides automated processing of video data, recognition of vehicles, license plates and vehicle characteristics with subsequent storage of the results in the database. The main tasks of the research include: development of the server part based on FastAPI with integration with PostgreSQL databases; creation of a client application on Windows Forms for convenient user interaction with the system; implementation of the Docker + Kubernetes architecture to scale the system according to the number of clients; integration with Roboflow Workflow, which provides the use of computer vision models for detecting vehicles, license plates and car color; creation of mechanisms for processing and storing results in two databases - for users and for video analysis results. Object of research. The process of automated analysis of transport traffic using distributed infrastructure, artificial intelligence methods and computer vision. Subject of research. Methods for building distributed client-server systems for real-time video data analysis with the integration of computer vision models. Scientific novelty. The scientific novelty of the work lies in the creation of a unique distributed system architecture that combines dynamic scaling of containerized backends in Kubernetes with automatic integration into the Roboflow workflow. A mechanism for automatically creating an isolated server environment for each user after authorization has been implemented, which provides a high level of security, stability, and efficient use of resources. Additionally, algorithms for automated recording, processing, and data extraction from the PostgreSQL database have been implemented with the ability to query by certain criteria (car type, color, license plate, etc.). Practical value. The developed system can be implemented in transport monitoring centers, traffic safety services, municipal video surveillance systems, and logistics companies. It provides automatic processing of video streams in real time, centralized data storage, and flexible infrastructure scaling. The implementation of the system will contribute to increasing the efficiency of traffic management, reducing accidents and developing the concept of «smart cities».
dc.format.extent114 с.
dc.identifier.citationЧиншевий, Н. І. Інтелектуальна система аналізу автомобільного трафіку : магістерська дис. : 121 Інженерія програмного забезпечення / Чиншевий Назарій Ігорович. – Київ, 2025. – 114 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/78809
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectклієнт-сервер
dc.subjectfastapi
dc.subjectpostgresql
dc.subjectroboflow
dc.subjectkubernetes
dc.subject.udc004.75
dc.titleІнтелектуальна система аналізу автомобільного трафіку
dc.typeMaster Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Chynshevyi_magistr.pdf
Розмір:
1.78 MB
Формат:
Adobe Portable Document Format
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
8.98 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Магістерські роботи (ОТ)
Магістерські роботи