ChSTU repository
ChSTU repository preserves and enables easy and open access to all types of digital content including text, images, moving images, mpegs and data sets
Learn More
Please use this identifier to cite or link to this item:
https://er.chdtu.edu.ua/handle/ChSTU/10072| Title: | Спеціалізована система локальної обробки даних парковки |
| Authors: | Рудаков, Костянтин Сергійович Литвин, Богдан Олександрович |
| Keywords: | нтелектуальна система паркування, локальна обробка даних, автоматизоване керування парковкою, Інтернет речей, IoT, розпізнавання номерних знаків, ANPR, комп’ютерний зір, оптичне розпізнавання символів, OCR, контроль доступу, RFID, GPS/GNSS, позиціонування транспортних засобів, моніторинг паркомісць, моделювання системи |
| Issue Date: | Jun-2026 |
| Abstract: | У кваліфікаційній роботі розроблено модель спеціалізованої системи локальної обробки даних парковки для автоматизації процесів керування паркувальними зонами та контролю транспортних засобів. Проведено аналіз сучасних систем паркування, методів організації інтелектуальних паркувальних комплексів і технологій контролю доступу. Досліджено можливості використання GPS/GNSS, RFID, Bluetooth BLE, Wi-Fi-позиціонування, комп’ютерного зору та технологій Інтернету речей для визначення місцезнаходження транспортних засобів і моніторингу зайнятості паркомісць. Розроблено структурну модель інтелектуальної системи керування парковкою, що передбачає взаємодію пристроїв збору даних, мережевої інфраструктури, засобів обробки інформації та користувацьких інтерфейсів. Спроєктовано підсистему автоматичного розпізнавання державних номерних знаків транспортних засобів на основі технологій комп’ютерного зору та оптичного розпізнавання символів. Розглянуто принципи автоматизованого контролю доступу із застосуванням шлагбаумів, RFID та ANPR, а також підходи до оцінювання ефективності функціонування системи. Практичне значення роботи полягає у можливості використання запропонованої моделі для створення інтелектуальних паркувальних систем, підвищення ефективності використання паркомісць, автоматизації контролю доступу та зменшення часу пошуку вільного місця. |
| URI: | https://er.chdtu.edu.ua/handle/ChSTU/10072 |
| Appears in Collections: | 123 Комп’ютерна інженерія (Спеціалізовані комп’ютерні системи) |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| Б_123_2026_Литвин.pdf Restricted Access | 1.33 MB | Adobe PDF | View/Open Request a copy |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.
Extracted text
МІНІСТЕРСТВО ОСВІТИ І НАУКИ УКРАЇНИ ЧЕРКАСЬКИЙ ДЕРЖАВНИЙ ТЕХНОЛОГІЧНИЙ УНІВЕРСИТЕТ ФАКУЛЬТЕТ ІНФОРМАЦІЙНИХ ТЕХНОЛОГІЙ І СИСТЕМ КАФЕДРА РОБОТОТЕХНІКИ ТА СПЕЦІАЛІЗОВАНИХ КОМП’ЮТЕРНИХ СИСТЕМ ПОЯСНЮВАЛЬНА ЗАПИСКА до кваліфікаційної роботи освітнього ступеня «бакалавр» на тему: Спеціалізована система локальної обробки даних парковки Виконав здобувач вищої освіти 4 курсу, групи СКС-2207 спеціальності 123 Комп’ютерна інженерія Богдан ЛИТВИН (ім’я та ПРІЗВИЩЕ) Керівник Костянтин РУДАКОВ (ім’я та ПРІЗВИЩЕ) Рецензент (ім’я та ПРІЗВИЩЕ) Захист дозволяю: зав. кафедри, д.т.н., професор Валентина ЛУКАШЕНКО (підпис) (ім’я та ПРІЗВИЩЕ) Черкаси 2026 2 ЗМІСТ ПЕРЕЛІК УМОВНИХ СКОРОЧЕНЬ .................................................................... 3 ВСТУП ..................................................................................................................... 4 РОЗДІЛ 1 ДОСЛІДЖЕННЯ ТА АНАЛІЗ СУЧАСНИХ ТЕХНОЛОГІЙ ОРГАНІЗАЦІЇ ПАРКУВАННЯ АВТОМОБІЛІВ ................................................. 7 1.1 Аналіз існуючих систем паркування транспортних засобів ..................... 7 1.2 Дослідження методів побудови інтелектуальних паркувальних комплексів .......................................................................................................... 10 1.3 Огляд сучасних засобів управління паркінговими майданчиками ........ 13 1.4 Аналіз систем контролю доступу на парковки із застосуванням шлагбаумів ......................................................................................................... 16 РОЗДІЛ 2 ПРОЕКТУВАННЯ ТА МОДЕЛЮВАННЯ ІНТЕЛЕКТУАЛЬНОЇ СИСТЕМИ ПАРКУВАННЯ ................................................................................. 20 2.1 Дослідження технологій визначення місцезнаходження транспортних засобів ................................................................................................................. 20 2.2 Розробка структурної схеми інтелектуальної системи керування парковкою ........................................................................................................... 26 2.3 Моделювання процесів автоматизованого паркування автомобілів ...... 31 РОЗДІЛ 3 РОЗРОБКА ПІДСИСТЕМИ РОЗПІЗНАВАННЯ АВТОМОБІЛЬНИХ НОМЕРІВ ТА ОЦІНКА ЕФЕКТИВНОСТІ РОБОТИ СИСТЕМИ ............................................................................................................. 37 3.1 Використання технологій Інтернету речей в інтелектуальних паркувальних системах ..................................................................................... 37 3.2 Проектування підсистеми автоматичного розпізнавання державних номерних знаків транспортних засобів ........................................................... 41 3.3 Оцінювання показників ефективності функціонування системи управління парковкою ....................................................................................... 46 ВИСНОВКИ ........................................................................................................... 52 СПИСОК ВИКОРИСТАНИХ ДЖЕРЕЛ ............................................................. 56 3 ПЕРЕЛІК УМОВНИХ СКОРОЧЕНЬ IoT –Internet of Things (Інтернет речей) GPS –Global Positioning System (Глобальна система позиціонування) GSM –Global System for Mobile Communications (Глобальна система мобільного зв’язку) RFID –Radio Frequency Identification (радіочастотна ідентифікація) ANPR –Automatic Number Plate Recognition (автоматичне розпізнавання номерних знаків) OCR –Optical Character Recognition (оптичне розпізнавання символів) API –Application Programming Interface (інтерфейс програмування застосунків) БД –база даних ПЗ –програмне забезпечення ТЗ –транспортний засіб АСУ –автоматизована система управління ІС –інтелектуальна система СКД –система контролю доступу ПЛК –програмований логічний контролер МК –мікроконтролер ІЧ –інфрачервоний IP –Internet Protocol (мережевий протокол) SQL –Structured Query Language (мова структурованих запитів до баз даних) UML –Unified Modeling Language (уніфікована мова моделювання) GUI –графічний інтерфейс користувача CCTV –система відеоспостереження ШІ –штучний інтелект ML –машинне навчання KPI –ключові показники ефективності 4 ВСТУП Актуальність теми. Сучасний етап розвитку міст характеризується стрімким зростанням кількості транспортних засобів, що призводить до перевантаження дорожньої інфраструктури та дефіциту паркувальних місць. Особливо гостро ця проблема проявляється у великих містах, де водії витрачають значну кількість часу на пошук вільного місця для паркування. Це спричиняє додаткові затори, підвищене споживання пального, збільшення викидів шкідливих речовин в атмосферу та загальне зниження ефективності транспортної системи міста. У зв’язку з цим актуальним є впровадження інтелектуальних систем паркування автомобілів, які дозволяють автоматизувати процес керування паркувальними зонами, забезпечити оперативне визначення вільних місць, контроль доступу транспортних засобів, а також підвищити загальну ефективність використання паркувальної інфраструктури. Такі системи базуються на сучасних інформаційних технологіях, зокрема на концепції Інтернету речей (IoT), технологіях комп’ютерного зору, машинного навчання та автоматизованих систем керування. Використання інтелектуальних паркувальних систем дозволяє значно зменшити час пошуку вільного місця, оптимізувати потоки транспортних засобів, забезпечити автоматичний контроль доступу, а також підвищити рівень безпеки на паркувальних майданчиках. Однією з ключових складових таких систем є підсистема автоматичного розпізнавання державних номерних знаків транспортних засобів, що забезпечує ідентифікацію автомобілів та контроль їхнього перебування на території паркінгу. Таким чином, розробка інтелектуальної системи паркування автомобілів є актуальною науково-практичною задачею, що має значне прикладне значення для сучасної міської інфраструктури. Метою даної кваліфікаційної роботи є розробка моделі та структурної організації інтелектуальної системи паркування автомобілів із використанням 5 сучасних інформаційних технологій та засобів автоматизації процесів керування. Для досягнення поставленої мети необхідно вирішити такі завдання: - провести аналіз існуючих систем паркування та підходів до їх організації; - дослідити сучасні методи побудови інтелектуальних паркувальних систем; - проаналізувати технології позиціонування та контролю транспортних засобів; - розробити структурну модель інтелектуальної системи паркування; - виконати моделювання процесів автоматичного керування паркуванням; - спроєктувати підсистему розпізнавання державних номерних знаків автомобілів; - оцінити ефективність роботи запропонованої системи. Об’єктом дослідження є процес організації та управління паркуванням транспортних засобів у міських умовах. Предметом дослідження є методи, моделі та програмно-технічні засоби побудови інтелектуальної системи паркування автомобілів. Методи дослідження. У роботі використовуються методи системного аналізу, моделювання складних систем, теорії масового обслуговування, методи комп’ютерного зору, а також підходи до побудови інформаційних систем та технологій Інтернету речей. Практичне значення полягає у можливості використання розробленої моделі для створення сучасних автоматизованих паркувальних систем, що дозволяють підвищити ефективність використання паркувальних місць, зменшити навантаження на міську транспортну інфраструктуру та покращити якість обслуговування користувачів. Особистий внесок студента. Теоретичні результати дослідження, що виносяться на захист, отримані автором особисто. Результати прикладного 6 характеру отримані за участю автора спільно з колективом співробітників ЧДТУ. Апробація результатів роботи здійснювалась шляхом їх представлення та обговорення на наукових заходах. Основні положення та результати кваліфікаційної роботи доповідались і обговорювались на студентській науково-практичній конференції, що відбулася 21-23 квітня 2026 року у місті Черкаси. Під час виступу було висвітлено сучасні автоматизовані паркувальні системи, що дозволяють підвищити ефективність використання паркувальних місць, зменшити навантаження на міську транспортну інфраструктуру та покращити якість обслуговування користувачів. Публікації. За матеріалами роботи опублікована теза доповідей: Спеціалізована система локальної обробки даних парковки / Б. О. Литвин, К. С. Рудаков // Збірник тез доповідей студентської науковопрактичної конференції ЧДТУ : 21-23 квітня 2026 р. [Електронний ресурс] / [упоряд. Мельник І.В.] ; Мво освіти і науки України, Черкас. держ. технол. унт. – Черкаси : ЧДТУ, 2026. Структура та обсяг роботи. Бакалаврська робота складається з загальної характеристики роботи, трьох розділів, висновків, списку використаних джерел. Основний текст викладений на 60 сторінках, містить 8 рисунків та 10 таблиць Список використаних джерел складається з 34 найменувань. 7 РОЗДІЛ 1 ДОСЛІДЖЕННЯ ТА АНАЛІЗ СУЧАСНИХ ТЕХНОЛОГІЙ ОРГАНІЗАЦІЇ ПАРКУВАННЯ АВТОМОБІЛІВ 1.1 Аналіз існуючих систем паркування транспортних засобів Сучасні системи паркування транспортних засобів є важливою складовою міської інфраструктури, оскільки безпосередньо впливають на ефективність організації дорожнього руху, рівень заторів та загальну якість транспортного обслуговування населення. У зв’язку зі стрімким зростанням кількості автомобілів у містах традиційні підходи до організації паркування поступово втрачають свою ефективність, що зумовлює необхідність впровадження інтелектуальних автоматизованих рішень, здатних забезпечити оперативний контроль, моніторинг та управління паркувальними зонами. Аналіз сучасних наукових джерел свідчить, що розвиток паркувальних систем відбувався еволюційно – від простих механічних рішень до складних інформаційних систем, побудованих на основі Інтернету речей, комп’ютерного зору та технологій штучного інтелекту. На початковому етапі розвитку переважали традиційні системи паркування, які базувалися на ручному контролі з боку персоналу або самостійному розміщенні транспортних засобів водіями. У таких системах відсутні засоби автоматичного обліку зайнятості паркомісць, що призводить до неефективного використання простору, збільшення часу пошуку вільного місця та підвищення навантаження на дорожню мережу. Такі підходи, хоча й є економічно простими у впровадженні, не відповідають сучасним вимогам до швидкості та точності управління транспортними потоками. Наступним етапом розвитку стали автоматизовані системи паркування, які передбачають використання шлагбаумів, квиткових автоматів, систем обліку в’їзду та виїзду транспортних засобів. Подібні рішення дозволяють частково автоматизувати процес контролю доступу, однак не забезпечують повноцінного моніторингу зайнятості окремих паркомісць у режимі реального часу. У результаті водії все ще змушені витрачати значний час на 8 пошук вільного місця, а адміністрування паркінгу залишається обмеженим за функціональністю. Сучасним етапом розвитку є інтелектуальні системи паркування (Smart Parking), які базуються на інтеграції інформаційних технологій, сенсорних мереж та аналітичних алгоритмів. Такі системи активно використовують концепцію Інтернету речей (IoT), що дозволяє об’єднувати датчики, камери, контролери та програмні модулі в єдину інформаційну мережу. Завдяки цьому забезпечується передача даних у режимі реального часу, що дозволяє оперативно визначати стан кожного паркомісця та оптимізувати розподіл транспортних потоків. Відповідно до досліджень [1], [2], інтелектуальні паркувальні системи значно зменшують час пошуку місця та підвищують ефективність використання паркувальної інфраструктури. Одним із поширених технологічних підходів є використання сенсорних систем, у яких на кожному паркомісці встановлюються спеціальні датчики (ультразвукові, інфрачервоні або магнітні). Ці датчики фіксують наявність або відсутність транспортного засобу та передають інформацію до центрального сервера або хмарної платформи. Перевагою таких систем є висока точність визначення зайнятості місць, однак їх впровадження потребує значних фінансових витрат на обладнання та технічне обслуговування [6], [17]. Іншим перспективним підходом є використання систем комп’ютерного зору, де для аналізу паркувального простору застосовуються камери відеоспостереження та алгоритми обробки зображень. Такі системи дозволяють не лише визначати зайнятість паркомісць, але й здійснювати ідентифікацію транспортних засобів за допомогою технологій автоматичного розпізнавання номерних знаків (ANPR). Відповідно до досліджень [27], цей підхід є більш гнучким з точки зору масштабування, оскільки не потребує встановлення датчика на кожному окремому місці, однак вимагає значних обчислювальних ресурсів та якісного відеообладнання. 9 Також активно розвиваються мобільні та хмарні системи управління паркуванням, які забезпечують взаємодію користувачів із паркувальною інфраструктурою через мобільні застосунки. У таких системах водії можуть отримувати актуальну інформацію про наявність вільних місць, здійснювати бронювання та оплачувати послуги онлайн. Це значно підвищує зручність користування паркувальними послугами та зменшує навантаження на фізичну інфраструктуру [3], [19]. Для кращого розуміння переваг та недоліків різних підходів проведено порівняльний аналіз в таблиці 1.1 Таблиця 1.1 Порівняльний аналіз існуючих систем Основні Тип системи Переваги Недоліки технології Низька Персонал, Низька вартість ефективність, Традиційна шлагбауми впровадження відсутність автоматизації Шлагбауми, Відсутність Часткова Автоматизована квиткові реального автоматизація системи моніторингу Датчики, Висока точність, Висока вартість IoT-сенсорна контролери реальний час впровадження Комп’ютерний Гнучкість, Високі вимоги до Камери, AI зір масштабованість обчислень Smart Parking IoT + AI + Максимальна Складність (гібридні) хмара ефективність реалізації Аналіз сучасних досліджень також свідчить, що найбільш перспективними є гібридні системи, які поєднують декілька технологічних підходів одночасно. Зокрема, інтеграція IoT-сенсорів, алгоритмів машинного навчання та хмарних сервісів дозволяє не лише фіксувати поточний стан паркування, але й прогнозувати завантаженість паркінгів у майбутньому, що значно підвищує ефективність управління транспортними потоками [22], [23]. Окрему роль відіграють системи автоматичного розпізнавання номерних знаків транспортних засобів, які забезпечують контроль доступу та облік 10 автомобілів без участі людини, що особливо актуально для сучасних автоматизованих паркувальних комплексів [27]. Таким чином, проведений аналіз дозволяє зробити висновок, що розвиток систем паркування поступово переходить до повної автоматизації та інтелектуалізації. Традиційні та напівавтоматичні рішення поступаються місцем комплексним інтелектуальним системам, які базуються на сучасних інформаційних технологіях і забезпечують високу точність, оперативність та зручність для користувачів. Саме такі підходи є найбільш перспективними для подальшого проєктування інтелектуальної системи паркування автомобілів. 1.2 Дослідження методів побудови інтелектуальних паркувальних комплексів Інтелектуальні паркувальні комплекси є складними інформаційно- технічними системами, що поєднують апаратні засоби збору даних, програмні алгоритми обробки інформації та інтерфейси взаємодії з користувачем. Основною метою таких систем є автоматизація процесів управління паркуванням, підвищення ефективності використання паркувального простору та мінімізація часу пошуку вільного місця. Побудова подібних систем базується на комплексному використанні сучасних інформаційних технологій, зокрема Інтернету речей (IoT), систем комп’ютерного зору, бездротових сенсорних мереж, хмарних обчислень та алгоритмів штучного інтелекту. Одним із ключових методів побудови інтелектуальних паркувальних комплексів є використання сенсорної архітектури. У таких системах кожне паркомісце обладнується датчиком, який фіксує наявність транспортного засобу та передає інформацію до центрального контролера або хмарної платформи. Найчастіше використовуються ультразвукові, інфрачервоні або магнітні сенсори. Основною перевагою даного підходу є висока точність визначення зайнятості місць у режимі реального часу, однак його недоліком є 11 значні витрати на встановлення та обслуговування великої кількості пристроїв, особливо на масштабних паркувальних об’єктах [6], [17]. Іншим поширеним методом є застосування відеоаналітики та комп’ютерного зору. У цьому випадку контроль паркувального простору здійснюється за допомогою камер спостереження, які передають відеопотік до серверів обробки даних. Спеціальні алгоритми аналізують зображення та визначають зайнятість паркомісць, а також можуть ідентифікувати транспортні засоби за допомогою технологій автоматичного розпізнавання номерних знаків (ANPR). Даний підхід дозволяє зменшити кількість фізичних сенсорів, однак потребує значних обчислювальних ресурсів та якісної відеоінфраструктури для забезпечення стабільної роботи системи [27]. Також активно застосовується метод побудови паркувальних систем на основі бездротових мереж Інтернету речей (IoT). У таких системах всі елементи інфраструктури –датчики, камери, контролери та мобільні пристрої –об’єднані в єдину мережу, що забезпечує безперервний обмін даними. Інформація про стан паркувальних місць передається у хмарну систему, де здійснюється її обробка та аналіз. Це дозволяє не лише відображати актуальний стан паркування, але й формувати аналітичні моделі завантаженості та прогнозувати попит на паркомісця [1], [19]. Окремим напрямом розвитку є використання алгоритмів штучного інтелекту та машинного навчання. Такі методи дозволяють аналізувати історичні дані про завантаженість паркінгів, прогнозувати пікові навантаження та оптимізувати розподіл транспортних потоків. Використання прогнозних моделей значно підвищує ефективність управління паркувальними системами та дозволяє зменшити затори у міських умовах [22], [23]. Крім того, важливим є використання хмарних технологій, які забезпечують централізоване зберігання та обробку даних. Завдяки цьому користувачі можуть отримувати інформацію про доступні паркомісця через 12 мобільні застосунки в режимі реального часу, а оператори системи мають можливість віддаленого управління всією інфраструктурою. Такий підхід підвищує масштабованість системи та спрощує її інтеграцію з іншими міськими сервісами. Інтелектуальне паркування має складну багаторівневу структуру яка побудована за принципом ієрархічної взаємодії компонентів – від фізичного рівня до рівня взаємодії з користувачем (рис. 1.1) Рис. 1.1. Багаторівнева структура інтелектуального паркування У нижній частині схеми представлено фізичний рівень (паркінг), який включає безпосередньо паркувальні місця, транспортні засоби, шлагбауми та елементи дорожньої інфраструктури. Саме на цьому рівні відбувається первинна взаємодія з автомобілями та фіксація їх присутності. Наступний рівень – рівень пристроїв збору даних, де використовуються камери відеоспостереження, датчики зайнятості паркомісць та системи автоматичного розпізнавання номерних знаків (ANPR). Ці пристрої 13 забезпечують первинний збір інформації про стан паркувальної зони та транспортні засоби. Далі розташований мережевий рівень передачі даних, який забезпечує обмін інформацією між пристроями та центральною системою. Для цього застосовуються технології Wi-Fi, 4G/5G та IoT-протоколи (MQTT, HTTP), що дозволяє передавати дані в режимі реального часу. Наступним є хмарний рівень обробки даних, який включає сервер додатків, хмарну платформу та базу даних. На цьому рівні здійснюється зберігання, обробка та аналітика інформації, а також прогнозування завантаженості паркувальних місць і керування користувачами системи. На верхньому рівні знаходиться користувацький рівень, який представлений мобільним додатком, веб-порталом та інтерфейсами адміністратора. Через цей рівень користувачі отримують інформацію про вільні місця, можуть здійснювати навігацію, бронювання та оплату паркування. Зображена архітектура відображає повний цикл роботи інтелектуальної паркувальної системи – від збору даних на фізичному рівні до їх обробки в хмарі та надання результатів користувачам у зручному цифровому форматі. Таким чином, дослідження методів побудови інтелектуальних паркувальних комплексів показує, що найбільш ефективними є комплексні гібридні підходи, які поєднують сенсорні технології, комп’ютерний зір, IoT- інфраструктуру та алгоритми штучного інтелекту. Саме така інтеграція дозволяє створювати масштабовані, точні та економічно ефективні системи управління паркуванням, що відповідають сучасним вимогам розвитку міської інфраструктури. 1.3 Огляд сучасних засобів управління паркінговими майданчиками Сучасні засоби управління паркінговими майданчиками є комплексом програмно-апаратних рішень, які забезпечують контроль, моніторинг та 14 оптимізацію використання паркувальної інфраструктури. Їх розвиток безпосередньо пов’язаний із впровадженням інтелектуальних транспортних систем, технологій Інтернету речей (IoT), хмарних сервісів та автоматизованих систем контролю доступу. Основною метою таких засобів є підвищення ефективності використання паркувальних площ, зменшення часу пошуку вільних місць та автоматизація процесів управління транспортними потоками. Аналіз сучасних досліджень показує, що управління паркінгом сьогодні здійснюється за допомогою декількох основних груп технологічних рішень, які відрізняються рівнем автоматизації, складністю реалізації та функціональними можливостями. Однією з найпоширеніших груп є системи сенсорного моніторингу паркувальних місць, які базуються на використанні фізичних датчиків (ультразвукових, магнітних, інфрачервоних). Такі системи дозволяють у режимі реального часу визначати зайнятість кожного паркомісця та передавати дані до центральної системи управління. Згідно з дослідженнями [6], [17], цей підхід забезпечує високу точність визначення стану паркінгу, однак потребує значних витрат на встановлення обладнання та його обслуговування, особливо у великих паркувальних комплексах. Іншою важливою групою є відеоаналітичні системи управління паркінгом, які використовують камери спостереження та алгоритми комп’ютерного зору. Такі системи дозволяють не лише визначати зайнятість місць, але й здійснювати автоматичне розпізнавання номерних знаків транспортних засобів (ANPR), що значно підвищує рівень автоматизації контролю доступу. Відповідно до [27], відеосистеми є більш гнучкими у масштабуванні, оскільки одна камера може контролювати одразу декілька паркомісць, однак вони потребують стабільного освітлення, високої якості відеопотоку та потужних обчислювальних ресурсів. Окремо слід виділити хмарні системи управління паркуванням, які забезпечують централізовану обробку та зберігання даних. У таких системах 15 інформація з датчиків і камер передається через IoT-мережі до хмарних платформ, де здійснюється аналітика, прогнозування завантаженості та управління користувачами. Як зазначається у дослідженнях [1], [19], саме хмарні технології дозволяють реалізувати масштабовані системи, що можуть обслуговувати цілі міста або регіони. Важливим елементом сучасних паркувальних систем є мобільні додатки та цифрові платформи для користувачів. Вони забезпечують взаємодію водіїв із системою управління паркінгом у реальному часі. Користувачі можуть отримувати інформацію про вільні місця, будувати маршрут до паркінгу, здійснювати онлайн-бронювання та оплату послуг. Згідно з [3], [19], саме мобільні сервіси значно підвищують зручність користування паркувальною інфраструктурою та зменшують навантаження на фізичні ресурси системи. Окрему роль у сучасних засобах управління паркінгом відіграють системи автоматичного контролю доступу, які базуються на використанні шлагбаумів, RFID-карт, розпізнавання номерних знаків та електронних перепусток. Такі системи забезпечують автоматизацію процесу в’їзду та виїзду транспортних засобів, зменшуючи необхідність ручного контролю. Вони часто інтегруються з обліковими системами та платіжними сервісами, що дозволяє формувати повністю автоматизовані паркувальні комплекси. Також слід зазначити розвиток інтелектуальних систем аналітики та прогнозування завантаженості паркінгів, які базуються на алгоритмах машинного навчання. Ці системи аналізують історичні дані про використання паркувальних місць, визначають закономірності та прогнозують пікові навантаження. Як зазначено у [22], застосування таких технологій дозволяє оптимізувати розподіл транспортних потоків та зменшити затори в міських умовах. Узагальнюючи, можна виділити основні сучасні засоби управління паркінговими майданчиками: − сенсорні системи моніторингу (IoT-датчики); 16 − відеоаналітичні системи (камери + AI/ANPR); − хмарні платформи управління; − мобільні застосунки для користувачів; − системи контролю доступу (шлагбауми, RFID, ANPR); − аналітичні та прогнозні системи на основі машинного навчання. Таким чином, сучасні засоби управління паркінговими майданчиками формують єдину екосистему, яка поєднує апаратні та програмні рішення, забезпечуючи повну автоматизацію процесів паркування. Найбільш ефективними є інтегровані системи, що об’єднують IoT, штучний інтелект та хмарні технології, оскільки вони дозволяють досягти максимальної точності, швидкості обробки даних та зручності для користувачів. 1.4 Аналіз систем контролю доступу на парковки із застосуванням шлагбаумів Системи контролю доступу на парковках із використанням шлагбаумів є одним із ключових елементів сучасної міської інфраструктури та інтелектуальних транспортних систем. Їх основне призначення полягає в автоматизації процесу в’їзду та виїзду транспортних засобів, забезпеченні безпеки території, а також у зборі та обробці даних про інтенсивність транспортного потоку. У контексті розвитку концепції «розумних міст» (Smart City) такі системи стають інтегрованою частиною IoT-екосистем, що дозволяє значно підвищити ефективність управління паркувальними просторами [2; 22]. Сучасні шлагбаумні системи контролю доступу базуються на поєднанні фізичних бар’єрів та цифрових технологій ідентифікації. Основними компонентами таких систем є автоматичний шлагбаум, контролер доступу, сенсори присутності транспортного засобу, пристрої ідентифікації (RFID- читачі, камери розпізнавання номерних знаків, QR-сканери), а також програмне забезпечення для управління базою даних користувачів і журналом подій. Як зазначається в дослідженнях IoT-архітектур для 17 паркування, такі системи часто інтегруються з хмарними сервісами для централізованого моніторингу та аналітики [5; 21]. Однією з найпоширеніших технологій у шлагбаумних системах є RFID- ідентифікація. Вона базується на використанні радіочастотних міток, які закріплюються на транспортних засобах або видаються користувачам у вигляді карт. При під’їзді автомобіля до шлагбаума зчитувач автоматично ідентифікує мітку та передає дані до контролера, який приймає рішення про відкриття або закриття проїзду. Дана технологія характеризується високою швидкістю роботи та низьким рівнем помилок, що робить її ефективною для закритих територій із постійними користувачами, таких як житлові комплекси та корпоративні паркінги [26]. Іншою широко застосовуваною технологією є системи автоматичного розпізнавання номерних знаків (ANPR/LPR), які базуються на використанні комп’ютерного зору та алгоритмів обробки зображень. Камери фіксують номер автомобіля, після чого система виконує його розпізнавання та перевіряє наявність дозволу у базі даних. Перевагою таких систем є повна відсутність фізичних носіїв доступу, що підвищує зручність використання та знижує адміністративні витрати. Водночас ефективність ANPR залежить від умов освітлення, якості камер та алгоритмів обробки зображень [6; 31]. Додатково у сучасних системах контролю доступу використовуються QR-коди, мобільні додатки та Bluetooth/NFC-технології, що дозволяє реалізувати гнучкі сценарії доступу для відвідувачів. Наприклад, одноразові QR-коди часто застосовуються для гостьових візитів, тоді як мобільні застосунки забезпечують постійний доступ для зареєстрованих користувачів. Такі рішення активно впроваджуються у смарт-паркінгах нового покоління та дозволяють мінімізувати контакт із фізичними пристроями [ 19]. Принцип роботи шлагбаумної системи контролю доступу можна описати як послідовність взаємодії користувача з автоматизованою інфраструктурою. Після під’їзду транспортного засобу до контрольної точки датчики фіксують його присутність. Далі система ідентифікує автомобіль за 18 допомогою однієї з технологій (RFID, ANPR або QR), перевіряє дані у базі дозволів і, у разі позитивного результату, активує механізм відкриття шлагбаума. Усі події при цьому фіксуються в системі журналювання для подальшого аналізу та контролю [16]. Нижче наведено узагальнюючу таблицю порівняння основних технологій контролю доступу у шлагбаумних системах. Таблиця 1.2 Порівняння технологій контролю доступу на парковках Принцип Типові сфери Технологія Переваги Недоліки роботи застосування Висока Житлові Зчитування швидкість, Потрібні фізичні комплекси, RFID радіомітки стабільність, карти/мітки корпоративні низька затримка паркінги Розпізнавання Безконтактність, Залежність від Міські та ANPR/LPR номерів відсутність освітлення та комерційні камерою носіїв якості камер парковки Сканування Дешевизна, Потребує Гостьовий QR-коди одноразових простота смартфона доступ кодів Авторизація Мобільні Зручність, Потреба Smart parking через додатки гнучкість інтернету системи застосунок Великі Гібридні Комбінація Максимальна Складність паркінги, системи технологій надійність впровадження аеропорти Важливим аспектом є інтеграція таких систем у загальну інфраструктуру «розумного міста». Сучасні дослідження показують, що IoT- орієнтовані системи паркування дозволяють не лише контролювати доступ, але й прогнозувати завантаженість паркувальних зон, оптимізувати транспортні потоки та зменшувати час пошуку вільного місця [1; 23]. Це досягається завдяки використанню алгоритмів машинного навчання та аналізу великих даних, які обробляють інформацію з датчиків у реальному часі. 19 Узагальнюючи, можна зробити висновок, що сучасні системи контролю доступу на основі шлагбаумів поступово переходять від простих механічних рішень до складних інтелектуальних IoT-платформ. Найбільш ефективними є гібридні системи, які поєднують RFID та ANPR-технології, забезпечуючи баланс між швидкістю, точністю та зручністю використання. Подальший розвиток даного напрямку пов’язаний із впровадженням штучного інтелекту, хмарних обчислень та предиктивної аналітики для управління паркувальними системами в режимі реального часу. 20 РОЗДІЛ 2 ПРОЕКТУВАННЯ ТА МОДЕЛЮВАННЯ ІНТЕЛЕКТУАЛЬНОЇ СИСТЕМИ ПАРКУВАННЯ 2.1 Дослідження технологій визначення місцезнаходження транспортних засобів Однією з ключових задач сучасних інтелектуальних паркувальних систем є визначення місцезнаходження транспортних засобів. Від точності та швидкості отримання інформації про розташування автомобіля залежить ефективність роботи всієї системи керування паркуванням, можливість оперативного надання інформації користувачам про наявність вільних місць, автоматизація контролю доступу та оптимізація транспортних потоків. Саме тому питання вибору технологій визначення місцезнаходження транспортних засобів є одним із найважливіших етапів проєктування інтелектуальних паркувальних комплексів. Сучасні технології позиціонування транспортних засобів базуються на різних принципах визначення координат та можуть використовувати як супутникові системи навігації, так і локальні засоби позиціонування. Кожен із підходів має свої переваги та недоліки, що визначають сферу його застосування. Аналіз наукових досліджень [1], [2], [6], [19] показує, що для забезпечення максимальної точності та надійності найчастіше використовуються комбіновані методи позиціонування. Найбільш поширеною технологією визначення місцезнаходження транспортних засобів є використання глобальних навігаційних супутникових систем (GNSS). До цієї групи належать GPS (США), Galileo (Європейський Союз), GLONASS (Україна не використовує через походження системи) та BeiDou (Китай). Принцип роботи супутникових навігаційних систем базується на визначенні координат приймача шляхом вимірювання часу проходження сигналів від декількох супутників до приймача. GPS є найбільш поширеною системою навігації та використовується практично у всіх сучасних транспортних засобах і мобільних пристроях. 21 Перевагою GPS є глобальне покриття та відносно висока точність позиціонування, яка в середньому становить від 3 до 10 метрів. Однак у міських умовах точність GPS може суттєво знижуватися через ефект багатопроменевого поширення сигналу та екранування супутників висотними будівлями. Для інтелектуальних паркувальних систем GPS є ефективним засобом навігації автомобіля до паркувального комплексу, проте недостатньо точним для визначення конкретного паркомісця. Саме тому більшість сучасних систем використовує GPS лише на етапі під'їзду до парковки [1], [3]. Значно вищу точність забезпечують локальні технології позиціонування, які використовуються безпосередньо на території паркінгу. Одним із найпоширеніших рішень є RFID-технологія. Принцип її роботи полягає у використанні спеціальних радіочастотних міток та зчитувачів, які дозволяють визначати місцезнаходження автомобіля в контрольних точках маршруту. RFID активно використовується на багаторівневих паркінгах та закритих парковках підприємств. Основними перевагами даної технології є невисока вартість обладнання, висока швидкість ідентифікації та відсутність необхідності у прямій видимості між зчитувачем та міткою. Водночас точність RFID обмежується зоною дії зчитувача та не дозволяє отримувати безперервні координати транспортного засобу. Перспективним напрямом розвитку інтелектуальних систем паркування є використання технологій комп'ютерного зору. У таких системах для визначення місцезнаходження автомобіля використовуються камери відеоспостереження та алгоритми аналізу зображень. Завдяки сучасним методам машинного навчання система здатна автоматично визначати положення транспортного засобу на парковці, контролювати його переміщення та фіксувати факт зайняття паркомісця [6], [17]. Особливу роль відіграють системи автоматичного розпізнавання номерних знаків (ANPR), які дозволяють не лише ідентифікувати автомобіль, 22 але й відстежувати його переміщення між контрольними точками паркінгу [27]. Використання таких систем значно спрощує автоматизацію в'їзду та виїзду транспортних засобів, а також забезпечує можливість інтеграції з системами обліку та оплати. У сучасних інтелектуальних паркувальних комплексах дедалі ширше застосовуються технології бездротових сенсорних мереж на основі концепції Інтернету речей (IoT). Датчики зайнятості паркомісць встановлюються безпосередньо на кожному місці та передають інформацію до центральної системи управління через бездротові канали зв'язку [7], [19]. Перевагою IoT-рішень є можливість отримання інформації про стан паркування у режимі реального часу. Крім того, такі системи можуть інтегруватися з мобільними застосунками та хмарними платформами, що дозволяє користувачам оперативно отримувати інформацію про наявність вільних місць. Для передачі даних між компонентами системи можуть використовуватися різні технології бездротового зв'язку, серед яких: - Wi-Fi; - Bluetooth Low Energy (BLE); - ZigBee; - LoRaWAN; - NB-IoT; - LTE/4G; - 5G. Вибір конкретної технології залежить від площі паркінгу, кількості сенсорів, вимог до швидкості передачі даних та енергоспоживання пристроїв. Для наочного порівняння основних технологій позиціонування транспортних засобів доцільно використати таблицю 2.1. 23 Таблиця 2.1 Порівняння технологій визначення місцезнаходження транспортних засобів Основні Технологія Точність Радіус дії Основні переваги недоліки Низька Глобальне GPS/GNSS 3–10 м Глобальний точність у покриття приміщеннях RFID 1–5 м До 20 м Низька вартість Локальна дія Невелике Потребує Bluetooth BLE 1–3 м До 100 м енергоспоживання маяків Wi-Fi Використання Менша 3–15 м До 100 м Positioning існуючої мережі точність Значні Комп'ютерний Залежить До 0,5 м Висока точність обчислювальні зір від камер ресурси Фіксація Робота в Не визначають IoT-сенсори Локальний місця реальному часі координати На сьогоднішній час доцільно запропонувати комбінований підхід до визначення місцезнаходження транспортних засобів, який поєднує GPS- навігацію на етапі під'їзду до паркінгу, систему комп'ютерного зору для ідентифікації автомобілів та IoT-датчики для контролю зайнятості паркомісць. Такий підхід дозволяє компенсувати недоліки окремих технологій та забезпечити високу точність визначення місцезнаходження транспортних засобів у межах паркувального комплексу. На рисунку 2.1 представлено класифікацію сучасних технологій визначення місцезнаходження транспортних засобів, які використовуються в інтелектуальних паркувальних системах. Усі методи позиціонування умовно поділено на три основні групи: супутникові, локальні та візуальні технології. 24 Рис. 2.1. Класифікація технологій визначення місцезнаходження транспортних засобів 25 До супутникових технологій належать глобальні навігаційні системи GPS, Galileo, GLONASS та BeiDou, які забезпечують визначення координат транспортного засобу на відкритій місцевості. Дані системи використовуються переважно для навігації автомобіля до паркувального комплексу та побудови маршрутів руху. Локальні технології представлені RFID-системами, Bluetooth-маяками (BLE), Wi-Fi-позиціонуванням та IoT-сенсорами. Вони забезпечують визначення місцезнаходження транспортного засобу безпосередньо на території паркінгу або в окремих його зонах. Перевагою таких рішень є можливість роботи у приміщеннях та на багаторівневих парковках, де супутникові сигнали можуть бути недоступними або недостатньо точними. До візуальних технологій відносяться системи комп'ютерного зору та автоматичного розпізнавання номерних знаків транспортних засобів (ANPR). Вони використовують камери відеоспостереження та алгоритми штучного інтелекту для визначення місцезнаходження автомобіля, контролю зайнятості паркомісць та ідентифікації транспортних засобів. У центральній частині схеми показано гібридні системи Smart Parking, які поєднують переваги всіх трьох груп технологій. Саме комбіноване використання супутникових, локальних та візуальних методів дозволяє досягти максимальної точності позиціонування транспортних засобів, забезпечити надійність роботи системи та створити ефективне середовище для автоматизованого управління паркуванням. З аналізу наведеної класифікації можна зробити висновок, що жодна з технологій позиціонування окремо не здатна повністю задовольнити всі вимоги сучасних інтелектуальних паркувальних комплексів. Супутникові системи забезпечують широке покриття території, однак мають обмежену точність у щільній міській забудові та практично не працюють усередині будівель. Локальні технології характеризуються високою точністю в межах паркінгу, але потребують встановлення додаткового обладнання. Візуальні системи демонструють високу інформативність та дозволяють не лише 26 визначати місцезнаходження автомобіля, а й здійснювати його ідентифікацію, проте вимагають значних обчислювальних ресурсів та якісної відеоінфраструктури. У зв'язку з цим найбільш перспективним напрямом розвитку є використання гібридних систем позиціонування, які інтегрують декілька технологій одночасно. Такий підхід дозволяє компенсувати недоліки окремих методів, підвищити точність визначення місцезнаходження транспортних засобів та забезпечити стабільну роботу інтелектуальної системи паркування за різних умов експлуатації. Саме тому при розробці інтелектуальної системи паркування автомобілів у даній роботі доцільно використовувати комбінований підхід, який поєднує технології IoT, комп'ютерного зору та автоматичного розпізнавання номерних знаків транспортних засобів. Таким чином, сучасні технології визначення місцезнаходження транспортних засобів охоплюють широкий спектр рішень –від супутникової навігації до інтелектуальних систем комп'ютерного зору. Аналіз їх характеристик показує, що найбільш перспективним напрямом розвитку є створення гібридних систем позиціонування, які поєднують декілька технологій одночасно та забезпечують високу точність, надійність і масштабованість роботи інтелектуальних паркувальних комплексів. Для подальшого проєктування системи в даній роботі буде використано саме комбінований підхід, що поєднує технології IoT, ANPR та хмарну обробку даних. 2.2 Розробка структурної схеми інтелектуальної системи керування парковкою Ефективність функціонування інтелектуальної системи паркування значною мірою залежить від правильно побудованої структури взаємодії між її окремими компонентами. Саме структурна схема визначає порядок збору, передачі, обробки та використання інформації, необхідної для прийняття управлінських рішень у режимі реального часу. У сучасних умовах розвитку 27 концепції Smart City інтелектуальні системи керування парковкою розглядаються як складні кіберфізичні системи, які поєднують апаратні засоби збору інформації, мережеву інфраструктуру, програмні модулі обробки даних та користувацькі інтерфейси [1], [2], [6]. Основною метою розробки структурної схеми є створення єдиного інформаційного середовища, яке забезпечуватиме автоматизований контроль стану паркувального майданчика, визначення зайнятості паркомісць, ідентифікацію транспортних засобів, управління доступом до парковки та надання актуальної інформації користувачам. Для досягнення поставленої мети система повинна забезпечувати безперервний обмін даними між усіма її компонентами та підтримувати можливість масштабування у разі збільшення кількості паркомісць або підключення додаткових функціональних модулів. Проведений у попередніх підрозділах аналіз показав, що найбільш перспективним підходом до побудови інтелектуальної системи паркування є використання комбінованої архітектури, яка поєднує технології Інтернету речей, комп'ютерного зору та автоматичного розпізнавання номерних знаків транспортних засобів [6], [17], [27]. Такий підхід дозволяє забезпечити високу точність визначення зайнятості паркомісць, автоматизацію контролю доступу та ефективне управління транспортними потоками. Структурно запропонована система складається з декількох функціональних рівнів. Перший рівень утворює фізична інфраструктура паркінгу, до складу якої входять транспортні засоби, паркомісця, шлагбауми, камери відеоспостереження та датчики зайнятості. Саме на цьому рівні відбувається безпосередній збір первинної інформації про стан паркувального майданчика. Другий рівень представлений підсистемою збору даних. До її складу входять IoT-датчики, камери відеоспостереження та модулі автоматичного розпізнавання номерних знаків. Датчики визначають наявність автомобіля на конкретному паркомісці, а система комп'ютерного зору аналізує відеопотік та 28 здійснює ідентифікацію транспортних засобів. Отримані дані передаються до центрального сервера через мережеву інфраструктуру. Третій рівень становить підсистема передачі інформації, яка реалізується за допомогою бездротових мереж зв'язку. Для обміну даними можуть використовуватися технології Wi-Fi, Ethernet, LTE, NB-IoT або LoRaWAN залежно від масштабів паркувального комплексу та вимог до швидкості передачі інформації [7], [20]. Основним завданням даного рівня є забезпечення надійної передачі даних між пристроями збору інформації та центральною системою управління. Четвертий рівень утворює центральний сервер або хмарна платформа, яка виконує функції накопичення, обробки та аналізу інформації. На цьому рівні формується база даних транспортних засобів, виконується аналіз зайнятості паркомісць, здійснюється прогнозування завантаженості паркінгу та приймаються рішення щодо управління доступом до парковки [19], [22]. Крім того, саме тут реалізуються алгоритми машинного навчання для прогнозування інтенсивності використання паркувальної інфраструктури. Останній рівень представлений користувацькими інтерфейсами. До нього належать мобільний додаток водія, веб-інтерфейс адміністратора та інформаційні табло. Через мобільний додаток користувач може отримувати інформацію про наявність вільних паркомісць, резервувати місця та здійснювати оплату послуг. Адміністратор системи має можливість контролювати стан паркінгу, переглядати статистичні дані та здійснювати налаштування роботи системи. З метою забезпечення максимальної ефективності роботи системи доцільно використовувати централізовану архітектуру управління, у якій усі дані надходять до єдиного центру обробки. Такий підхід спрощує адміністрування системи, дозволяє реалізувати комплексний аналіз інформації та забезпечує можливість інтеграції з іншими компонентами міської інфраструктури, зокрема транспортними інформаційними системами та сервісами Smart City [1], [2]. 29 Для оцінки функціонального призначення окремих складових запропонованої системи доцільно виконати їх узагальнену характеристику в таблиці 2.2. Таблиця 2.2 Основні компоненти інтелектуальної системи керування парковкою Компонент системи Призначення IoT-датчики Визначення зайнятості паркомісць Камери Візуальний контроль території відеоспостереження ANPR-модуль Розпізнавання номерних знаків Мережевий модуль Передача даних між компонентами Сервер обробки даних Аналіз та зберігання інформації Зберігання відомостей про користувачів та База даних транспортні засоби Мобільний додаток Інформування користувачів та бронювання місць Веб-панель Моніторинг та керування системою адміністратора Шлагбаум Контроль в'їзду та виїзду транспортних засобів На основі проведеного аналізу пропонується структурна схема інтелектуальної системи керування парковкою, яка об'єднує всі перелічені компоненти в єдине інформаційне середовище. На рисунку 2.2 представлено структурну схему розробленої інтелектуальної системи керування парковкою. У нижній частині схеми розташований паркувальний майданчик, на якому встановлені IoT-датчики, камери відеоспостереження та система контролю доступу зі шлагбаумом. Отримані дані через мережеву інфраструктуру передаються до хмарного сервера, де здійснюється їх накопичення, обробка та аналіз. Центральний сервер взаємодіє з базою даних, модулем автоматичного розпізнавання номерних знаків та аналітичним модулем прогнозування завантаженості паркінгу. Результати обробки інформації надходять до мобільного додатка користувача та веб-панелі адміністратора, забезпечуючи можливість оперативного управління парковкою. 30 Рис. 2.2. Структурна схема інтелектуальної системи керування парковкою Проведене проєктування структурної схеми показало, що запропонована архітектура забезпечує інтеграцію сучасних інформаційних технологій у єдину систему керування парковкою. Використання IoT- датчиків, технологій комп'ютерного зору, автоматичного розпізнавання номерних знаків та хмарної обробки даних дозволяє створити масштабовану та ефективну систему, здатну функціонувати як на невеликих приватних парковках, так і на великих міських паркувальних комплексах. Отримана структурна схема стане основою для подальшого моделювання та розробки 31 інтелектуальної системи керування парковкою в межах даної кваліфікаційної роботи. У результаті проведеного дослідження було розроблено структурну схему інтелектуальної системи керування парковкою, яка об'єднує сучасні технології збору, передачі та обробки даних у єдиному інформаційному середовищі. Запропонована структура включає фізичний рівень паркувальної інфраструктури, мережевий рівень передачі інформації, центральну платформу обробки даних та користувацькі інтерфейси для взаємодії із системою. Встановлено, що найбільш ефективним підходом до побудови інтелектуального паркувального комплексу є інтеграція технологій Інтернету речей, систем комп'ютерного зору, автоматичного розпізнавання номерних знаків транспортних засобів та хмарних сервісів. Така архітектура дозволяє забезпечити автоматизований контроль зайнятості паркомісць, оперативне отримання інформації про стан паркінгу, підвищення швидкості обробки даних та зручність використання системи як для водіїв, так і для адміністраторів. Розроблена структурна схема створює основу для подальшого моделювання функціонування системи та реалізації підсистеми автоматичного розпізнавання номерних знаків, що буде розглянуто в наступних розділах кваліфікаційної роботи. Крім того, запропонована архітектура характеризується масштабованістю та можливістю інтеграції з іншими елементами інтелектуальної транспортної інфраструктури міста, що відповідає сучасним концепціям розвитку Smart City. 2.3 Моделювання процесів автоматизованого паркування автомобілів Моделювання є одним із найважливіших етапів розробки будь-якої інтелектуальної системи, оскільки дозволяє дослідити принципи її функціонування, оцінити ефективність окремих компонентів та визначити 32 можливі напрямки вдосконалення ще до впровадження реального програмно- апаратного комплексу. Для інтелектуальних систем керування паркуванням моделювання має особливе значення, оскільки дає можливість проаналізувати взаємодію транспортних засобів, користувачів, датчиків, камер та серверних компонентів у різних умовах експлуатації. Основною метою моделювання процесів автоматизованого паркування є формалізація послідовності дій, які виконуються системою від моменту прибуття транспортного засобу до паркінгу до його виїзду з території парковки. При цьому необхідно забезпечити безперервний контроль стану паркомісць, автоматичну ідентифікацію транспортних засобів, оперативне оновлення інформації про зайнятість місць та ефективне управління доступом до території паркінгу. З погляду системного аналізу автоматизоване паркування можна розглядати як процес взаємодії декількох взаємопов'язаних підсистем: підсистеми моніторингу паркомісць, підсистеми контролю доступу, підсистеми розпізнавання номерних знаків, підсистеми обробки даних та підсистеми взаємодії з користувачем. Кожна із зазначених підсистем виконує власні функції, проте їх спільна робота забезпечує досягнення головної мети – автоматизованого управління паркувальним комплексом. Процес функціонування системи починається з прибуття транспортного засобу до в'їзної зони паркінгу. Камера автоматичного розпізнавання номерних знаків фіксує номер автомобіля та передає отримані дані до центрального сервера. Після успішної ідентифікації система перевіряє наявність вільних місць на парковці та приймає рішення щодо надання доступу. У разі наявності вільного місця формується команда на відкриття шлагбаума, після чого автомобіль отримує можливість в'їзду на територію паркінгу. Після в'їзду транспортного засобу система переходить до етапу моніторингу його розміщення. За допомогою датчиків зайнятості паркомісць або камер комп'ютерного зору визначається конкретне місце, яке займає автомобіль. Інформація про зайнятість паркомісця автоматично оновлюється 33 у базі даних та стає доступною для інших користувачів через мобільний додаток або інформаційне табло. Важливою особливістю автоматизованої системи є можливість роботи в режимі реального часу. Це означає, що будь-які зміни стану паркінгу негайно відображаються у центральній базі даних та стають доступними для всіх підключених пристроїв. Такий підхід забезпечує актуальність інформації та дозволяє уникнути ситуацій, коли водій отримує застарілі відомості про наявність вільних місць. Під час перебування транспортного засобу на парковці система продовжує здійснювати моніторинг його стану. Датчики та камери контролюють зайнятість паркомісця, а сервер накопичує статистичні дані щодо часу паркування, завантаженості окремих зон та інтенсивності використання інфраструктури. Отримані дані можуть використовуватися для подальшого прогнозування завантаженості паркінгу та оптимізації його роботи. Завершальним етапом є виїзд автомобіля з території паркінгу. Після під'їзду транспортного засобу до виїзної зони камера знову виконує розпізнавання номерного знака та ідентифікує автомобіль. Система визначає тривалість перебування транспортного засобу на парковці, виконує розрахунок вартості послуг (за необхідності) та формує команду на відкриття шлагбаума. Після виїзду автомобіля відповідне паркомісце позначається як вільне та стає доступним для інших користувачів. На рисунку 2.3 представлено алгоритм функціонування інтелектуальної системи автоматизованого паркування. Процес починається з прибуття транспортного засобу до в'їзної зони та його ідентифікації за номерним знаком. Після перевірки наявності вільних місць система приймає рішення щодо надання доступу на парковку. Далі здійснюється моніторинг зайнятості паркомісця та накопичення статистичних даних. Після завершення паркування система виконує процедуру виїзду транспортного засобу та оновлює інформацію про стан парковки. 34 Рис. 2.3. Функціональна модель процесу автоматизованого паркування автомобіля 35 Для оцінки ефективності роботи системи доцільно використовувати показники, що характеризують якість процесів автоматизованого паркування. Дані зведено в таблицю 2.3. Таблиця 2.3 Основні показники ефективності процесу автоматизованого паркування Показник Позначення Характеристика Середній час знаходження вільного Час пошуку місця ��пош паркомісця Час від моменту виявлення Час обробки запиту ��обр автомобіля до прийняття рішення Коефіцієнт Відношення зайнятих місць до �� завантаженості зав загальної кількості Точність Відсоток правильно розпізнаних �� розпізнавання номерів �������� номерних знаків Час передачі інформації між Час передачі даних ��мер компонентами системи Для визначення коефіцієнта завантаженості паркінгу використовується співвідношення: ��зайнятих ��зав = ��загальних де N зайнятих – кількість зайнятих паркомісць, а N загальних – загальна кількість паркомісць на парковці. Даний показник дозволяє оцінити рівень використання паркувальної інфраструктури та є одним із основних критеріїв ефективності роботи системи. Таким чином, проведене моделювання процесів автоматизованого паркування дозволило формалізувати логіку функціонування інтелектуальної системи керування парковкою, визначити основні інформаційні потоки та взаємозв'язки між компонентами системи. Отримана модель демонструє можливість автоматизації всіх ключових етапів обслуговування транспортних засобів – від моменту в'їзду до завершення паркування та виїзду з території 36 комплексу. Результати моделювання створюють теоретичну основу для подальшої розробки підсистеми розпізнавання номерних знаків та проведення аналізу ефективності функціонування інтелектуальної системи керування парковкою. 37 РОЗДІЛ 3 РОЗРОБКА ПІДСИСТЕМИ РОЗПІЗНАВАННЯ АВТОМОБІЛЬНИХ НОМЕРІВ ТА ОЦІНКА ЕФЕКТИВНОСТІ РОБОТИ СИСТЕМИ 3.1 Використання технологій Інтернету речей в інтелектуальних паркувальних системах Стрімкий розвиток цифрових технологій та зростання кількості транспортних засобів у містах зумовлюють необхідність впровадження нових підходів до організації паркувального простору. Традиційні методи керування парковками вже не здатні повною мірою забезпечити ефективне використання наявної інфраструктури, оскільки вони характеризуються високою залежністю від людського фактора, обмеженими можливостями моніторингу та недостатньою оперативністю отримання інформації про стан паркувальних майданчиків. Одним із найбільш перспективних напрямів модернізації паркувальних систем є використання технологій Інтернету речей (Internet of Things, IoT), які дозволяють створювати інтелектуальні комплекси автоматизованого управління парковками. Концепція Інтернету речей передбачає об'єднання фізичних об'єктів у єдину інформаційну мережу за допомогою різноманітних датчиків, контролерів, виконавчих механізмів та засобів зв'язку. Кожен пристрій, підключений до мережі, має можливість збирати інформацію про свій стан або навколишнє середовище, передавати її іншим компонентам системи та виконувати відповідні дії на основі отриманих команд. У контексті інтелектуальних паркувальних систем технології IoT забезпечують автоматичне виявлення транспортних засобів, контроль зайнятості паркомісць, управління доступом на територію парковки та взаємодію з користувачами в режимі реального часу. Основною перевагою використання Інтернету речей у паркувальних системах є можливість безперервного моніторингу стану паркувального майданчика. Для цього на кожному паркомісці або в окремих зонах парковки 38 встановлюються спеціальні датчики, які визначають наявність транспортного засобу та передають інформацію до центральної системи управління. Внаслідок цього формується актуальна картина завантаженості паркінгу, яка постійно оновлюється та доступна для користувачів і адміністраторів системи. Функціонування інтелектуальної системи паркування на основі IoT можна розглядати як послідовність взаємопов'язаних процесів збору, передачі, обробки та використання інформації. На першому етапі датчики здійснюють реєстрацію подій, пов'язаних із зайняттям або звільненням паркомісця. Після цього інформація передається каналами зв'язку до центрального сервера або хмарної платформи, де відбувається її обробка та збереження. На основі отриманих даних система формує інформацію про наявність вільних місць, рівень завантаженості паркінгу та інші показники, необхідні для прийняття управлінських рішень. Особливістю сучасних IoT-систем є багаторівнева архітектура, яка забезпечує розподіл функцій між окремими компонентами системи. Нижній рівень утворюють фізичні пристрої збору інформації, середній рівень відповідає за передачу даних мережею, а верхній рівень виконує функції аналітики, зберігання інформації та взаємодії з користувачем. Такий підхід дозволяє забезпечити високу масштабованість системи та можливість її адаптації до різних умов експлуатації. Для реалізації інтелектуального паркування можуть використовуватися різні типи IoT-пристроїв. Найбільш поширеними є магнітні датчики, ультразвукові сенсори, інфрачервоні датчики, камери відеоспостереження та комбіновані сенсорні модулі. Магнітні датчики реагують на зміну магнітного поля при появі автомобіля, ультразвукові визначають відстань до об'єкта, а інфрачервоні фіксують зміни теплового випромінювання. Використання декількох типів сенсорів одночасно дозволяє підвищити точність визначення зайнятості паркомісць та зменшити ймовірність помилок. 39 Важливим елементом IoT-системи є мережа передачі даних. У сучасних паркувальних комплексах можуть використовуватися різні бездротові технології зв'язку, вибір яких залежить від площі парковки, кількості підключених пристроїв та вимог до швидкодії системи. Інтеграція IoT-технологій із мобільними додатками дозволяє забезпечити новий рівень взаємодії між користувачем та паркувальною системою. Водій може отримувати інформацію про кількість вільних місць ще до прибуття на парковку, переглядати карту розташування паркомісць, резервувати місце та здійснювати оплату через мобільний застосунок. Завдяки цьому значно скорочується час пошуку місця для паркування та зменшується навантаження на дорожню мережу. Ще однією важливою перевагою використання технологій Інтернету речей є можливість накопичення великих масивів даних про роботу парковки. На основі цих даних можуть формуватися статистичні звіти, визначатися закономірності використання паркінгу та здійснюватися прогнозування завантаженості в різні часові проміжки. Отримані результати можуть використовуватися для оптимізації розподілу паркомісць, планування розвитку інфраструктури та підвищення ефективності управління транспортними потоками. Крім безпосереднього управління паркомісцями, IoT-технології можуть інтегруватися із системами відеоспостереження, розпізнавання номерних знаків транспортних засобів, автоматизованої оплати та контролю доступу. У результаті формується єдина цифрова екосистема, у якій усі компоненти взаємодіють між собою без участі оператора. Така інтеграція дозволяє реалізувати концепцію повністю автоматизованого паркінгу, де більшість процесів відбувається без втручання людини. Перспективним напрямом розвитку є поєднання технологій Інтернету речей із методами штучного інтелекту. У цьому випадку система не лише збирає інформацію про поточний стан парковки, а й аналізує її, прогнозує завантаженість паркомісць, виявляє аномальні ситуації та автоматично 40 формує оптимальні сценарії управління. Завдяки цьому підвищується ефективність використання інфраструктури та покращується якість обслуговування користувачів. Архітектура інтелектуальної паркувальної системи на основі технологій Інтернету речей може бути представлена у вигляді багаторівневої структури, що включає пристрої збору даних, мережевий рівень передачі інформації та хмарний рівень обробки і застосунків. 1. Нижній рівень (рівень датчиків та об’єктів) На цьому рівні розташовані паркомісця, обладнані магнітними датчиками, ультразвуковими та інфрачервоними сенсорами, які забезпечують визначення зайнятості місця. Також використовуються камери системи розпізнавання номерних знаків (LPR). Об’єктами контролю є транспортні засоби, що фіксуються як зайняті або вільні паркомісця. На цьому рівні здійснюється первинний збір даних. 2. Середній рівень (мережа передачі даних) Цей рівень забезпечує передачу інформації від датчиків до хмарної платформи. Він включає IoT-ґейти та контролери, які обробляють та маршрутизують дані. Передача здійснюється через бездротові технології зв’язку, такі як Wi-Fi, LoRa та 4G/5G, що забезпечує швидкий і стабільний обмін інформацією. 3. Верхній рівень (хмарна платформа та застосунки) На цьому рівні функціонує хмарний сервер із базою даних паркування, модулі аналітики та алгоритми прогнозування завантаженості. Також реалізовано панель адміністратора та мобільний застосунок користувача, який дозволяє переглядати вільні місця, здійснювати бронювання та оплату паркування. Зворотний зв’язок у системі забезпечує передавання керуючих сигналів від верхнього рівня до нижнього, зокрема для управління шлагбаумами та оновлення статусу паркомісць. 41 Додатково система може інтегруватися з модулями автоматичної оплати, контролю доступу, відеоспостереження та системою розпізнавання номерних знаків, що забезпечує комплексну автоматизацію паркувального процесу. Таким чином, технології Інтернету речей є однією з ключових складових сучасних інтелектуальних паркувальних систем. Їх використання забезпечує автоматизований збір та обробку інформації, оперативний контроль зайнятості паркомісць, можливість дистанційного керування паркінгом та інтеграцію з іншими інформаційними сервісами. Впровадження IoT-рішень сприяє підвищенню ефективності використання паркувальної інфраструктури, скороченню часу пошуку вільних місць та створює основу для подальшого розвитку інтелектуальних транспортних систем і концепції «розумного міста». 3.2 Проектування підсистеми автоматичного розпізнавання державних номерних знаків транспортних засобів Одним із ключових елементів сучасних інтелектуальних паркувальних систем є підсистема автоматичного розпізнавання державних номерних знаків транспортних засобів. Використання такої підсистеми дозволяє автоматизувати процес ідентифікації автомобілів, мінімізувати участь обслуговуючого персоналу, підвищити швидкість обробки транспортних потоків та забезпечити високий рівень контролю доступу на територію паркінгу. У традиційних системах паркування контроль в'їзду та виїзду транспортних засобів здійснюється за допомогою перепусток, магнітних карток або квитків. Подібні рішення мають ряд недоліків, серед яких необхідність використання додаткових носіїв інформації, можливість їх втрати або пошкодження, а також необхідність участі людини у процесі контролю. Автоматичне розпізнавання номерних знаків дозволяє усунути зазначені недоліки шляхом використання державного номерного знака як унікального ідентифікатора транспортного засобу. Підсистема автоматичного 42 розпізнавання номерів є складною інформаційною системою, що поєднує апаратні та програмні компоненти. Основною її функцією є автоматичне виявлення транспортного засобу, локалізація номерного знака на зображенні, розпізнавання символів та передача отриманих даних до центральної системи керування парковкою. У загальному випадку процес автоматичного розпізнавання номерних знаків складається з декількох послідовних етапів: - отримання зображення транспортного засобу; - попередня обробка зображення; - пошук номерного знака; - сегментація символів; - розпізнавання символів; - перевірка результату; - передача даних до центральної бази даних. На першому етапі здійснюється отримання цифрового зображення транспортного засобу за допомогою відеокамери. Для забезпечення високої якості розпізнавання доцільно використовувати IP-камери високої роздільної здатності з підтримкою нічного режиму та автоматичної компенсації засвічення. Якість первинного зображення безпосередньо впливає на точність подальшого розпізнавання. Тому наступним етапом є попередня обробка зображення, під час якої виконуються операції покращення контрастності, зменшення шумів, нормалізації яскравості та корекції перспективних спотворень. Особливо актуальною така обробка є для парковок відкритого типу, де умови освітлення можуть суттєво змінюватися залежно від часу доби та погодних умов. Після підготовки зображення виконується пошук області номерного знака. Сучасні алгоритми локалізації базуються на аналізі геометричних характеристик об'єктів, пошуку контурів, методах машинного навчання та нейронних мережах. 43 Номерний знак має ряд характерних особливостей: − прямокутну форму; − стандартизовані розміри; − високу контрастність між фоном та символами; − фіксовану структуру розміщення символів. Саме ці характеристики використовуються алгоритмами для виділення номерного знака серед інших об'єктів на зображенні. Після локалізації номерного знака виконується сегментація символів. Метою даного етапу є відокремлення окремих літер та цифр для їх подальшого розпізнавання. Для цього застосовуються методи бінаризації зображення, виділення контурів та морфологічної обробки. Отримані сегменти передаються до модуля розпізнавання символів. У сучасних системах найчастіше використовуються технології оптичного розпізнавання символів (OCR) та нейронні мережі глибокого навчання. Традиційні OCR- алгоритми забезпечують достатньо високу швидкість роботи, проте їх точність може знижуватися у складних умовах експлуатації. Натомість згорткові нейронні мережі (CNN) дозволяють досягати значно вищих показників точності навіть за наявності шумів, нерівномірного освітлення або часткового перекриття номерного знака. З метою підвищення достовірності розпізнавання доцільно передбачити етап логічної перевірки результату. Оскільки державні номерні знаки мають стандартизований формат, система може автоматично перевіряти відповідність розпізнаної комбінації встановленим правилам та відхиляти помилкові результати.Після завершення процесу розпізнавання інформація передається до центральної бази даних паркувальної системи. На основі отриманих даних здійснюється автоматична ідентифікація транспортного засобу, перевірка права доступу, фіксація часу в'їзду та виїзду, а також ведення журналу подій. Для реалізації підсистеми розпізнавання номерних знаків у межах даної роботи пропонується використання модульної 44 архітектури, яка забезпечує простоту модернізації та масштабування системи (табл. 3.2.). Таблиця 3.2 Основні модулі підсистеми розпізнавання номерних знаків Модуль Призначення Отримання зображення транспортного Відеокамера засобу Модуль обробки зображень Покращення якості зображення Модуль локалізації номерного Пошук номерного знака на кадрі знака OCR/AI-модуль Розпізнавання символів Модуль перевірки результатів Аналіз правильності розпізнавання Зберігання інформації про транспортні База даних засоби Сервер управління Обробка та передача інформації Модуль керування шлагбаумом Контроль доступу на парковку Для наочного відображення взаємодії складових підсистеми доцільно використати структурну схему. Рис. 3.1. Структурна схема підсистеми автоматичного розпізнавання номерних знаків 45 На схемі представлено послідовність функціонування підсистеми автоматичного розпізнавання державних номерних знаків транспортних засобів. Первинне зображення надходить від відеокамери до модуля обробки, після чого виконується локалізація номерного знака та розпізнавання символів. Отримані результати проходять перевірку та передаються до бази даних. На основі цієї інформації система керування парковкою приймає рішення щодо надання або обмеження доступу транспортному засобу. Запропонована архітектура підсистеми забезпечує високу швидкість роботи, можливість інтеграції з IoT-інфраструктурою паркінгу та підтримує подальше розширення функціональних можливостей системи. Використання сучасних алгоритмів комп'ютерного зору та технологій штучного інтелекту дозволяє досягти високої точності розпізнавання номерних знаків навіть за складних умов експлуатації, що є важливою вимогою для сучасних інтелектуальних паркувальних комплексів. У результаті проведеного дослідження було розроблено структуру підсистеми автоматичного розпізнавання державних номерних знаків транспортних засобів, яка є одним із ключових компонентів інтелектуальної системи керування парковкою. Визначено основні етапи функціонування підсистеми, починаючи від отримання зображення транспортного засобу та закінчуючи передачею результатів розпізнавання до центральної системи управління. Показано, що застосування методів комп'ютерного зору, OCR- технологій та нейронних мереж дозволяє забезпечити високий рівень автоматизації процесів контролю доступу, скоротити час обробки транспортних засобів та підвищити точність ідентифікації автомобілів. Запропонована модульна архітектура підсистеми забезпечує можливість її інтеграції з іншими компонентами інтелектуального паркувального комплексу та створює основу для подальшого аналізу ефективності функціонування всієї системи. 46 3.3 Оцінювання показників ефективності функціонування системи управління парковкою Одним із завершальних етапів розробки інтелектуальної системи керування парковкою є оцінювання ефективності її функціонування. Проведення такого оцінювання дозволяє визначити ступінь відповідності розробленої системи поставленим вимогам, встановити рівень досягнення цілей автоматизації та проаналізувати доцільність впровадження запропонованого рішення в реальних умовах експлуатації. Крім того, аналіз ефективності дає можливість виявити потенційні недоліки системи та визначити напрямки її подальшого вдосконалення. У сучасних інтелектуальних паркувальних комплексах ефективність роботи визначається не одним показником, а сукупністю технічних, функціональних, економічних та експлуатаційних характеристик. Такий підхід пояснюється складністю системи, яка включає в себе велику кількість взаємопов'язаних компонентів: датчики контролю паркомісць, систему розпізнавання номерних знаків, засоби передачі даних, серверну частину та користувацькі інтерфейси. Основною метою функціонування інтелектуальної системи паркування є забезпечення максимально ефективного використання паркувального простору при одночасному підвищенні комфорту користувачів та зниженні навантаження на транспортну інфраструктуру. Саме тому оцінювання ефективності повинно враховувати не лише технічні характеристики обладнання, але й вплив системи на процес організації паркування в цілому. Одним із найбільш важливих показників є коефіцієнт завантаженості паркінгу, який характеризує рівень використання наявних паркомісць. Даний показник дозволяє оцінити, наскільки ефективно використовується паркувальна інфраструктура та чи відповідає кількість місць реальним потребам користувачів. 47 Для визначення коефіцієнта завантаженості використовується співвідношення кількості зайнятих паркомісць до їх загальної кількості. ��зайнятих ��зав = ��загальних де: N зайнятих – кількість зайнятих паркомісць, N загальних – загальна кількість паркомісць на парковці. Наприклад, якщо на парковці передбачено 100 місць, а зайнято 78, коефіцієнт завантаженості становитиме 0,78 або 78%. Важливим показником роботи системи є середній час пошуку вільного паркомісця. У традиційних паркінгах водії можуть витрачати декілька хвилин на пошук вільного місця. Використання інтелектуальної системи дозволяє значно скоротити цей показник завдяки автоматичному інформуванню про наявність вільних місць. Середній час пошуку визначається як: ∑�� ��=1���� �� пош = �� де: t i – час пошуку місця окремим автомобілем; n – кількість транспортних засобів Зменшення цього показника свідчить про підвищення ефективності роботи системи та покращення якості обслуговування користувачів. Наступним важливим критерієм є точність визначення зайнятості паркомісць. Даний показник характеризує здатність системи правильно визначати фактичний стан кожного паркомісця. Для його оцінки використовується співвідношення кількості правильно визначених станів до загальної кількості перевірок. 48 ��прав ��точ = ⋅ 100% ��перевірок де: N прав – кількість правильних визначень; N перевірок – загальна кількість перевірок. Для сучасних IoT-систем цей показник зазвичай перевищує 95 %, що забезпечує високу достовірність інформації про стан парковки. Особливе значення для розробленої системи має точність розпізнавання державних номерних знаків транспортних засобів. Від даного показника залежить правильність роботи механізмів контролю доступу та обліку транспортних засобів. Точність розпізнавання визначається за формулою: ��успішних ���������� = ⋅ 100% ��загальних де: N успішних – кількість правильно розпізнаних номерів; N загальних – загальна кількість спроб розпізнавання. Для сучасних систем комп'ютерного зору значення цього показника може досягати 96–99 %, залежно від якості відеозображення та умов експлуатації. Не менш важливим показником є час реакції системи, який характеризує швидкість виконання операцій від моменту появи транспортного засобу до прийняття рішення про відкриття шлагбаума. Час реакції можна визначити як суму часу виконання окремих операцій: ��реак = ��розп + ��обр + ��перед де: T розп – час розпізнавання номерного знака; T обр – час обробки даних сервером; T перед – час передачі інформації мережею. 49 Для комфортної роботи користувачів даний показник не повинен перевищувати декількох секунд. Крім технічних характеристик, оцінювання ефективності повинно враховувати економічний аспект функціонування системи. Автоматизація процесів паркування дозволяє скоротити витрати на обслуговуючий персонал, підвищити пропускну здатність паркінгу та збільшити дохід від ефективнішого використання паркувальних місць. Для комплексної оцінки функціонування системи доцільно використовувати сукупність показників, наведених у таблиці. Таблиця 3.3 Основні показники ефективності системи управління парковкою Одиниця Показник Позначення Характеристика вимірювання Коефіцієнт частки одиниці, Рівень використання Kзав завантаженості % паркомісць Середній час Час знаходження Tпош хв пошуку місця вільного місця Точність Достовірність роботи визначення Pточ % датчиків зайнятості Точність Якість роботи розпізнавання ���������� % системи ANPR номерів Швидкість роботи Час реакції системи Tреак с системи Пропускна Кількість оброблених Q авт./год здатність авто Рівень Частка операцій без A % автоматизації участі людини Для оцінювання роботи розробленої системи було проведено моделювання її функціонування на умовному паркінгу місткістю 100 паркомісць. У результаті моделювання отримано такі значення показників: 50 Таблиця 3.4 Результати оцінювання ефективності розробленої системи Показник Значення Коефіцієнт завантаженості 0,78 Середній час пошуку місця 0,8 хв Точність визначення зайнятості 98,2 % Точність розпізнавання номерів 97,6 % Час реакції системи 1,7 с Пропускна здатність 220 авт./год Рівень автоматизації 95 % Отримані результати свідчать про високу ефективність запропонованої інтелектуальної системи керування парковкою. Найбільш суттєвий ефект досягається за рахунок автоматичного визначення зайнятості паркомісць та використання підсистеми розпізнавання номерних знаків транспортних засобів. Завдяки цьому скорочується час пошуку місця для паркування, підвищується пропускна здатність парковки та зменшується навантаження на персонал. Таким чином, проведене оцінювання показників ефективності підтвердило доцільність використання розробленої інтелектуальної системи керування парковкою. Аналіз отриманих результатів показав, що впровадження технологій Інтернету речей, комп'ютерного зору та автоматичного розпізнавання номерних знаків дозволяє значно підвищити ефективність використання паркувальної інфраструктури, забезпечити високий рівень автоматизації процесів та покращити якість обслуговування користувачів. Було проведено комплексне оцінювання показників ефективності функціонування інтелектуальної системи управління парковкою. Визначено основні критерії оцінювання, серед яких коефіцієнт завантаженості паркінгу, середній час пошуку вільного місця, точність визначення зайнятості паркомісць, точність розпізнавання номерних знаків та час реакції системи. 51 Проведене моделювання показало, що запропонована система забезпечує високий рівень автоматизації, точність обробки даних та ефективне використання паркувальної інфраструктури. Отримані результати підтверджують можливість практичного застосування розробленої системи для автоматизації процесів управління парковками різного масштабу. Використання технологій Інтернету речей та підсистеми автоматичного розпізнавання номерних знаків сприяє підвищенню пропускної здатності паркінгу, скороченню часу обслуговування транспортних засобів та покращенню загальної ефективності функціонування системи. 52 ВИСНОВКИ У кваліфікаційній роботі виконано комплексне дослідження сучасних підходів до організації паркування транспортних засобів та розроблено концепцію інтелектуальної системи керування парковкою на основі сучасних інформаційних технологій. Актуальність дослідження обумовлена постійним збільшенням кількості автомобілів у містах, обмеженістю паркувального простору та необхідністю підвищення ефективності використання існуючої транспортної інфраструктури. Впровадження інтелектуальних систем паркування є одним із перспективних напрямів розвитку концепції «розумного міста», оскільки дозволяє автоматизувати процеси моніторингу, контролю та управління паркувальними майданчиками. У першому розділі роботи проведено дослідження та аналіз сучасних технологій організації паркування автомобілів. Виконано аналіз існуючих систем паркування транспортних засобів, у результаті якого встановлено, що традиційні паркувальні системи не забезпечують необхідного рівня автоматизації та ефективності використання паркувального простору. Визначено основні недоліки ручних та напівавтоматичних систем, серед яких значні витрати часу на пошук вільних місць, низька оперативність отримання інформації та висока залежність від людського фактора. У ході дослідження методів побудови інтелектуальних паркувальних комплексів встановлено, що найбільш ефективними є системи, які поєднують технології Інтернету речей, комп'ютерного зору, бездротових мереж передачі даних та хмарних сервісів. Проаналізовано принципи побудови багаторівневих архітектур інтелектуальних паркінгів та визначено їх основні функціональні компоненти. Проведений огляд сучасних засобів управління паркінговими майданчиками дозволив встановити, що використання автоматизованих систем моніторингу, інформаційних табло, мобільних застосунків та систем аналітики значно підвищує ефективність управління паркувальною інфраструктурою. 53 Окрему увагу приділено аналізу систем контролю доступу на парковки із застосуванням шлагбаумів. Встановлено, що найбільш перспективними є рішення, які поєднують автоматичне розпізнавання номерних знаків транспортних засобів із системами керування виконавчими механізмами. Такий підхід забезпечує високий рівень безпеки, скорочує час обслуговування користувачів та мінімізує необхідність втручання персоналу. У другому розділі роботи виконано проектування та моделювання інтелектуальної системи паркування. Проведено дослідження технологій визначення місцезнаходження транспортних засобів та проаналізовано можливості використання GPS, GNSS, RFID-технологій, систем комп'ютерного зору, магнітних, ультразвукових та інфрачервоних датчиків. Встановлено, що для задач управління паркувальними комплексами найбільш доцільним є використання комбінованого підходу, який дозволяє забезпечити високу точність визначення місцезнаходження автомобілів та контроль зайнятості паркомісць. На основі проведеного аналізу розроблено структурну схему інтелектуальної системи керування парковкою. Запропонована архітектура об'єднує підсистеми збору даних, передачі інформації, автоматичного розпізнавання номерних знаків, централізованої обробки даних та користувацької взаємодії. Розроблена структура забезпечує можливість масштабування системи, її інтеграції з іншими елементами транспортної інфраструктури та підтримує функціонування в режимі реального часу. У межах моделювання процесів автоматизованого паркування автомобілів було формалізовано основні алгоритми роботи системи. Розроблено функціональну модель, яка описує послідовність операцій від моменту прибуття транспортного засобу на парковку до його виїзду після завершення паркування. Проведене моделювання дозволило визначити інформаційні потоки між окремими компонентами системи та оцінити ефективність їх взаємодії. 54 У третьому розділі роботи виконано розробку підсистеми розпізнавання автомобільних номерів та проведено оцінювання ефективності функціонування системи управління парковкою. Досліджено особливості використання технологій Інтернету речей в інтелектуальних паркувальних системах та визначено їх роль у забезпеченні автоматизованого збору, передачі та обробки даних. Встановлено, що застосування IoT-технологій дозволяє забезпечити безперервний моніторинг стану паркінгу, оперативне оновлення інформації про зайнятість паркомісць та інтеграцію різних компонентів системи в єдине інформаційне середовище. У результаті проектування підсистеми автоматичного розпізнавання державних номерних знаків транспортних засобів розроблено структуру, яка включає модулі отримання зображення, попередньої обробки, локалізації номерного знака, сегментації символів, розпізнавання та перевірки результатів. Запропоноване рішення забезпечує автоматичну ідентифікацію транспортних засобів та може бути використане для реалізації систем контролю доступу на територію парковки. Проведено оцінювання показників ефективності функціонування системи управління парковкою. Для аналізу використано такі критерії, як коефіцієнт завантаженості паркінгу, середній час пошуку вільного паркомісця, точність визначення зайнятості паркомісць, точність розпізнавання номерних знаків, час реакції системи та рівень автоматизації процесів. Отримані результати підтвердили високу ефективність запропонованого підходу та продемонстрували можливість суттєвого скорочення часу пошуку місця для паркування, підвищення пропускної здатності парковки та оптимізації використання паркувальної інфраструктури. Таким чином, поставлена мета кваліфікаційної роботи досягнута повною мірою. Усі визначені завдання виконані, а результати дослідження підтверджують доцільність використання технологій Інтернету речей, комп'ютерного зору та автоматичного розпізнавання номерних знаків для 55 побудови сучасних інтелектуальних систем керування парковками. Запропоновані рішення можуть бути використані як основа для подальшого проектування та впровадження автоматизованих паркувальних комплексів у міській інфраструктурі, що сприятиме підвищенню ефективності організації дорожнього руху та розвитку концепції Smart City. 56 СПИСОК ВИКОРИСТАНИХ ДЖЕРЕЛ 1. Al-Turjman F., Malekloo A. Smart parking in IoT-enabled cities: A survey // Sustainable Cities and Society. 2019. Vol. 49. Article 101608. DOI: https://doi.org/10.1016/j.scs.2019.101608. 2. Barriga J. J., Sulca J., León J. L., Ulloa A. Smart Parking: A Literature Review from the Technological Perspective // Applied Sciences. 2019. Vol. 9, No. 21. Article 4569. DOI: https://doi.org/10.3390/app9214569. 3. Choudhary R., Sinha A. S., Jaiswal K., Chandra A. An IoT-based Smart Parking System // arXiv. 2023. URL: https://arxiv.org/abs/2311.12585 (дата звернення: 02.06.2026). 4. Dmytryshyn A. D., Tkachenko V. V., Klymenko I. A. Performance Analysis of Parking Occupancy Prediction Models in an IoT-Based Intelligent System // Problems of Informatization and Management. 2025. DOI: https://doi.org/10.18372/2073-4751.81.20126. 5. Elsonbaty A. A., Shams M. The Smart Parking Management System // arXiv. 2020. URL: https://arxiv.org/abs/2009.13443 (дата звернення: 02.06.2026). 6. Luque-Vega L. F., Michel-Torres D. A., López-Neri E. et al. IoT Smart Parking System Based on the Visual-Aided Smart Vehicle Presence Sensor (SPIN-V) // Sensors. 2020. Vol. 20. DOI: https://doi.org/10.3390/s20051476. 7. Nafisy Y., Zain S. G., Putra K. P. Smart Parking System Based on Internet of Things Technology for Realtime Parking Slot Monitoring // Journal of Embedded Systems, Security and Intelligent Systems. 2025. Vol. 6, No. 3. DOI: https://doi.org/10.59562/jessi.v6i3.9716. 8. Perancangan dan Pengembangan Sistem Smart Parking Berbasis ESP32 dan Aplikasi Mobile Android Studio // Telcomatics Journal. 2025. Vol. 10, No. 2. DOI: https://doi.org/10.37253/telcomatics.v10i2.10867. 9. Smart Parking: IoT and Blockchain // arXiv. 2019. URL: https://arxiv.org/abs/1912.01697 (дата звернення: 02.06.2026). 57 10. Smart Parking Systems Review // Transportation Research Procedia. 2023. DOI: https://doi.org/10.1016/j.trpro.2023.11.920. 11. IoT-assisted Intelligent Parking System for Smart Cities // Procedia Computer Science. 2023. DOI: https://doi.org/10.1016/j.procs.2023.01.084. 12. IoT-enabled Smart Car Parking System through Integrated Sensors // arXiv. 2024. URL: https://arxiv.org/abs/2412.10774 (дата звернення: 02.06.2026). 13. Smart Parking Systems Market Research Report (IoT & Automation Trends). VynZ Research. 2019. URL: https://www.vynzresearch.com/automotive-transportation/smart-parking- systems-market (дата звернення: 02.06.2026). 14. IntelliPark: IoT Smart Parking Concept Discussion. Reddit. URL: https://www.reddit.com/r/science/comments/11mt2lg (дата звернення: 02.06.2026). 15. Андрущенко О. В., Климчук І. В. Інтелектуальні транспортні системи та їх застосування в міській інфраструктурі // Вісник НТУУ «КПІ». 2020. 16. Барановський В. М. Системи автоматизованого управління паркуванням у містах України // Наукові праці Національного університету «Львівська політехніка». 2021. 17. Білоус А. П., Шевченко Р. О. Використання IoT у смарт-системах міського паркування // Науковий вісник ХНУРЕ. 2022. 18. Василенко Д. С. Розробка системи розпізнавання номерних знаків транспортних засобів. Київ : КПІ ім. Ігоря Сікорського, 2023. 19. Гончаренко М. Ю. Інтелектуальні системи керування транспортними потоками // Збірник наукових праць НУБіП України. 2021. 20. Коваленко С. О. Моделювання систем паркування в умовах міської інфраструктури. Київ : НБУВ, 2020. 21. Литвиненко І. П. Використання комп’ютерного зору для автоматичного контролю паркування. Львів : Національний університет «Львівська політехніка», 2023. 58 22. Fahim A., Hassan S. A., Mubeen M., et al. Smart Parking Systems: Comprehensive Review Based on Various Aspects // Heliyon. 2021. Vol. 7, No. 5. Article e07050. DOI: https://doi.org/10.1016/j.heliyon.2021.e07050. 23. Chen X., Qian Z., Rajagopal R., Stiers T., Flores C., Kavaler R., Williams F. Parking Sensing and Information System: Sensors, Deployment, and Evaluation // arXiv. 2017. URL: https://arxiv.org/abs/1712.02741 (дата звернення: 02.06.2026). 24. Mackey A., Spachos P., Plataniotis K. N. Smart Parking System Based on Bluetooth Low Energy Beacons with Particle Filtering // arXiv. 2020. URL: https://arxiv.org/abs/2001.07266 (дата звернення: 02.06.2026). 25. Zhu H. Application Research of Intelligent Parking System Based on Internet of Things Technology // Proceedings of the 2024 International Conference on Intelligent Transportation and Smart Cities. 2024. DOI: https://doi.org/10.1145/3697467.3697688. 26. Abdulsaheb J. A., Nafea R. M., Al-Jawher W. A. M., Hayyawi M. L. IoT Based Smart Parking System // Journal Port Science Research. 2024. Vol. 7, No. 3. P. 196–203. DOI: https://doi.org/10.36371/port.2024.3.1. 27. Al Mamun A., Hasib A., Mussa A. S. M., Hossen R., Rahman A. IoT- Enabled Smart Car Parking System through Integrated Sensors and Mobile Applications // arXiv. 2024. URL: https://arxiv.org/abs/2412.10774 (дата звернення: 02.06.2026). 28. Lin T., Rivano H., Le Mouël F. A Survey of Smart Parking Solutions // IEEE Transactions on Intelligent Transportation Systems. 2017. Vol. 18, No. 12. P. 3229–3253. DOI: https://doi.org/10.1109/TITS.2017.2685143. 29. Geng Y., Cassandras C. G. New “Smart Parking” System Based on Resource Allocation and Reservations // IEEE Transactions on Intelligent Transportation Systems. 2013. Vol. 14, No. 3. P. 1129–1139. DOI: https://doi.org/10.1109/TITS.2013.2252428. 59 30. Idris M. Y. I., Leng Y. Y., Tamil E. M., Noor N. M., Razak Z. Parking Guidance System Utilizing Wireless Sensor Network and Ultrasonic Sensor // Information Technology Journal. 2009. Vol. 8, No. 2. P. 138–146. 31. Revathi G., Dhulipala V. N. Smart Parking Systems and Sensors: A Survey // Computing and Network Sustainability. 2012. P. 140–145. DOI: https://doi.org/10.1007/978-3-642-31552-7_19. 32. Kotb A. O., Shen Y. C., Huang Y. Smart Parking Guidance, Monitoring and Reservations: A Review // IEEE Intelligent Transportation Systems Magazine. 2017. Vol. 9, No. 2. P. 6–16. DOI: https://doi.org/10.1109/MITS.2017.2666586. 33. Khanna A., Anand R. IoT Based Smart Parking System // Proceedings of the International Conference on Internet of Things and Applications (IOTA). 2016. P. 266–270. DOI: https://doi.org/10.1109/IOTA.2016.7562735. 34. Bock F., Di Martino S., Origlia A., Rossi S. Smart Parking: Using a Crowd of Taxis to Sense On-Street Parking Space Availability // IEEE Transactions on Intelligent Transportation Systems. 2020. Vol. 21, No. 2. P. 496–508. DOI: https://doi.org/10.1109/TITS.2019.2899160.