В МВД рассказали, где камеры фиксируют неработающие фары. Список регионов

Автоновости В России

25 августа 2021 года
49

В МВД России раскрыли полный список регионов, в которых дорожные камеры начали в автоматическом режиме фиксировать неработающие фары. Такая информация содержится в документе ведомства, который оказался в распоряжении Autonews.ru. Как рассказали в МВД, практика фиксации таких нарушений начата в следующих регионах:

Крым;
Самарская область;
Нижегородская область;
Кемеровская область;
Тамбовская область.

Согласно ст. 12.20 КоАП «Нарушение правил пользования внешними световыми приборами, звуковыми сигналами, аварийной сигнализацией или знаком аварийной остановки», штраф за езду без ходовых огней и ближнего света составляет 500 рублей. Его можно оплатить со скидкой 50%. Важно, что дополнительные комплексы в регионах устанавливать не придется: если устройства современные, достаточно дообучить этому функционалу нейросеть.

«Правоприменительная деятельность по выявлению средствами автоматической фиксации правонарушений, связанных с нарушением правил пользования внешними световыми приборами не получила повсеместного распространения, — рассказали в МВД. — Дела об административных нарушениях по ст. 12.20 КоАП в автоматизированном режиме начали рассматриваться лишь в отдельных субъектах России, что не позволяет говорить о сложившейся правоприменительной практике».

Как объяснили в МВД, такую практику сформируют с учетом анализа деятельности подразделений ГИБДД в указанных регионах, основываясь в том числе на рассмотрении поступающих обращений и жалоб от граждан, а также соответствующих решениях судов.

Где еще камеры будут распознавать неработающие фары

Ранее о том, что дорожные комплексы начали получать новые функции по распознаванию неработающих фар при помощи нейросетей первым сообщил Autonews.ru. О современных возможностях устройств рассказали их разработчики, которые работают по всей России. В частности, о том, что новый вид фиксации будет доступен в 12 регионах, рассказывали в компании «Астралаб». Там Autonews.ru сообщили, что их устройства получат эту функцию в Москве, Крыму, Ульяновске, Красноярске, Омске, Иркутске, Твери, Кабардино-Балкарии, Волгоградской области, Ивановской области, Владимирской области, Костроме. После выхода этого материала в МВД России в ответ на запрос Autonews.ru заявили, что правоприменительная практика по статье 12.20 КоАП не осуществляется, но позже изменили свою позицию.

Пока в «Астролабе» говорят только о доступности самой технологии. Принимать решение о том, подключать ее к общему функционалу по фиксации нарушений ПДД будут на местах решать региональные власти и ГИБДД. В настоящее время компания обслуживает около 1500 камер в перечисленных регионах. Из них 600 дорожных комплексов расположены в Москве. При этом свои разработки в этом направлении ведут и другие компании, которые могут внедрять их любых заинтересованных регионах.

Как нейросеть распознает невключенные фары

Нейросеть обучена находить фары и определять, есть там свечение или нет. По словам Ласкина, для нейросети не составит проблем разобраться с разными моделями световой оптики от разных автопроизводителей.

«Современная нейросеть работает по принципу подобия. Вот мы показали ей, к примеру, 20 вариантов фар в 20 разных ракурсах. Она это запоминает. И когда она увидит 21-й вариант, который не входил в data-set обучение, нейросеть все равно поймет, что этот предмет очень похож на фары. Тогда система может сказать, что на 100% не уверена, но поскольку она точно видела такой образец сигнатуры, то может на этом основании сделать вывод, что и это тоже фара», — объяснил Ласкин принцип работы нейросети.

В свою очередь эксперт в области фотофиксации Григорий Шухман в беседе с Autonews.ru объяснил, что при выявлении такого нарушения камеры ориентируются на светящиеся области по разным сторонам от госномеров. Он предположил: если ярко светит солнце, а машины белый, серебристый или хромированный цвет, устройства могут не справиться с фиксацией.

Риск ошибок — 5-10%

Использование нейросетевого подхода для обнаружения включенных фар оправдано только при дополнительном анализе фиксаций живым специалистом, уверен генеральный директор ТрансСофтТелематика (специализируется на развитии интеллектуальных транспортных систем) Кирилл Андреев. В противном случае, по его оценке, 5-10% от общего количества постановлений окажутся ошибочными. Либо система будет пропускать нарушителей с выключенными фарами.

По словам Андреева, есть два типа ошибок, с которыми может столкнуться нейросеть. В первом случае нейросеть может распознать автомобиль с включенными фарами, как нарушителей без фар. И наоборот: автомобиль с выключенными фарами отметить как машину с работающими фарами. То есть, не заметит нарушение.

«Для работы этой системы важно снижать количество ошибок первого рода, — уточнил Андреева. — Ведь важнее не допустить ошибочный штраф, чем пропустить автомобиль с выключенными фарами. Иначе доверия к такой системе будет немного и оператору придется оценивать много ложных изображений. Для большинства систем такого класса по такой задаче точность определения будет составлять 90-95%. Получается, что для вынесения окончательного решений о штрафе необходимо участие человека».

Эксперт согласен с тем, что нейросеть способна быстро обучаться: чем больше изображений ей покажут, тем выше будет точность. «Чтобы говорить о промышленном применении системы необходимо иметь не менее нескольких десятков тысяч изображений автомобилей. Поэттому основными игроками будут компании, которые уже занимаются фотофиксацией транспорта и обладают большими архивами фотоматериалов», — отметил Андреев.

Специалист в области ИТС уверен, что сложные погодные условия, такие как снег или грязь могут доставить серьезные трудности для работы нейросетей.

«Для уменьшения ошибок нужно показывать нейросетям больше таких примеров: с грязными фарами, заснеженными и так далее, — объяснил Андреев. — При этом все равно нельзя говорить о том, что нейросеть сможет безошибочно определить такие случаи. Ведь даже человек не всегда сможет гарантированно отличить выключенные фары от фар, покрытых толстым слоем снега или грязи».

По словам эксперта, для нейросетей существуют и другие препятствия. Например, когда узконаправленные фары, формируют пучок света с минимальным углом расхождения вверх. Они могут недостаточно сильно светить в камеру, для того чтобы нейросеть поняла, что фара включена.

«Также возможно возникновение различных бликов от отраженного света, например, солнечного, от капота, которые могут быть очень похожи на яркие фары. Еще одной проблемой может оказаться использование световых приборов неустановленного образца: нейросети будет трудно отличить ходовые огни/фары ближнего света от различных прожекторов, установленных, например, на решетке радиатора», — считает эксперт.

В свою очередь юрист Михаил Никитин заявил Autonews.ru, что у него не возникнет сомнений в достоверности материалов, только если снимок будет сделан в темное время суток и нарушение очевидно. «А вот если светит солнце, и камера смотрит по ходу движения, она может ошибиться», — предположил Никитин.

Подбор авто
Марка
  • Любая марка
A
  • Acura
  • Alfa Romeo
  • Asia
  • Audi
B
  • Bentley
  • BMW
  • Brilliance
  • Bugatti
  • Buick
C
  • Cadillac
  • Changan
  • Chery
  • Chevrolet
  • Chrysler
  • Citroen
D
  • Daewoo
  • Daihatsu
  • Derways
  • Dodge
F
  • Fiat
  • Ford
G
  • Geely
  • GMC
  • Great Wall
H
  • Haval
  • Hino
  • Honda
  • Hummer
  • Hyundai
I
  • Infiniti
  • Isuzu
J
  • Jaguar
  • Jeep
K
  • Kia
  • Koenigsegg
L
  • Lancia
  • Land Rover
  • Lexus
  • Lincoln
  • Lotus
M
  • Maserati
  • Maybach
  • Mazda
  • Mercedes-Benz
  • Mini
  • Mitsubishi
  • Mitsuoka
N
  • Nissan
O
  • Opel
P
  • Peugeot
  • Porsche
R
  • Renault
S
  • Saab
  • Seat
  • Skoda
  • SMA
  • Smart
  • SsangYong
  • Subaru
  • Suzuki
T
  • Toyota
V
  • Volkswagen
  • Volvo
А-Я
  • ВАЗ
  • ВИС
  • ГАЗ
  • ЗАЗ
  • ИЖ
  • ЛуАЗ
  • Москвич
  • ОКА
  • УАЗ
Модель
Год от
  • Любой год
  • 2021
  • 2020
  • 2019
  • 2018
  • 2017
  • 2016
  • 2015
  • 2014
  • 2013
  • 2012
  • 2011
  • 2010
  • 2009
  • 2008
  • 2007
  • 2006
  • 2005
  • 2004
  • 2003
  • 2002
  • 2001
  • 2000
  • 1999
  • 1998
  • 1997
  • 1996
  • 1995
  • 1994
  • 1993
  • 1992
  • 1991
  • 1990
  • 1989
  • 1988
  • 1987
  • 1986
  • 1985
  • 1984
  • 1983
  • 1982
  • 1981
  • 1980
  • 1979
  • 1978
  • 1977
  • 1976
  • 1975
  • 1974
  • 1973
  • 1972
  • 1971
  • 1970
  • 1969
  • 1968
  • 1967
  • 1966
  • 1965
  • 1964
  • 1963
  • 1962
  • 1961
до
  • любой год
  • 2021
  • 2020
  • 2019
  • 2018
  • 2017
  • 2016
  • 2015
  • 2014
  • 2013
  • 2012
  • 2011
  • 2010
  • 2009
  • 2008
  • 2007
  • 2006
  • 2005
  • 2004
  • 2003
  • 2002
  • 2001
  • 2000
  • 1999
  • 1998
  • 1997
  • 1996
  • 1995
  • 1994
  • 1993
  • 1992
  • 1991
  • 1990
  • 1989
  • 1988
  • 1987
  • 1986
  • 1985
  • 1984
  • 1983
  • 1982
  • 1981
  • 1980
  • 1979
  • 1978
  • 1977
  • 1976
  • 1975
  • 1974
  • 1973
  • 1972
  • 1971
  • 1970
  • 1969
  • 1968
  • 1967
  • 1966
  • 1965
  • 1964
  • 1963
  • 1962
  • 1961