HUB Инновацын төв болон Unread медиа компани хамтран Дата Дуран цуврал таван хакатоныг зарласан билээ. Их хотын тулгамдсан асуудалд оновчтой шийдэл санаачлах зорилготой Дата Дуран хакатоны дөрөв дэх тэмцээн арваннэгдүгээр сарын 22-ны өдөр амжилттай болж өндөрлөлөө. Энэ удаагийн хакатоны сэдэв “Автомашины урсгал тоолох шийдэл боловсруулах” байв. Хакатоны сүүлийн шатанд нийт есөн баг шийдлээ танилцууллаа. Тус өрсөлдөөнөөс онцгойрч, шагналт байр эзэлсэн шилдэг гурван багийн шийдлийг танилцуулъя. 

Гэрлэн дохионы урсгалыг олон улсад автомат системтээр тоолдог. Гэвч Монголд нэг бүрчлэн гар аргаар тоолдог аж. Гараар тоолох нь хүнээс хамааралтай учраас чирэгдэл үүсэх, алдаа гаргах, цаг алдах зэрэг олон сул талтай. Үүнийг автоматжуулах аргыг боловсруулах нь энэхүү хакатоны зорилго юм.  

ӨГӨГДӨЛ 

Нийслэл хотын нэг өдрийн замын хөдөлгөөний зорчилтын тоо 2,882,317 байдаг. Үүний 65 хувь буюу 1,846,349 нь хувийн автомашин, 24 хувь буюу 685,861 нь нийтийн тээвэр юм. Хамгийн их хөдөлгөөнтэй бүсчлэл нь хотын төвийн нэгдүгээр бүсчлэл болох Их тойруу. Улаанбаатар хотын хэмжээнд өдөр тутмын зорчилтын 618,788 нь гэрээс ажилдаа явах хөдөлгөөн байдаг. Харин их, дээд сургууль, сургалт дамжаанд чиглэсэн хөдөлгөөний тоо ойролцоогоор 92,265 ба нийт зорчилтын 56 хувийг эзэлдэг.

Шүүгчдийн бүрэлдэхүүн  

  • Б.Бат-Өлзий - Нийслэлийн Бизнес инновац хөгжлийн газрын дарга
  • Д.Санжсүрэн - Монгол Улсын зөвлөх инженер
  • М.Гэрэлт-Од - “Бодлогын судалгаа шинжилгээний төв”-ийн систем динамик загварчлалын газрын Захирал
  • Т.Пүрэвсүрэн - Нийслэлийн Бизнес инновац хөгжлийн газрын Төсөл хамтын ажиллагааны хэлтсийн дарга

Нэгдүгээр байр: MLUB 

Шийдэл: Камер дээр суурилуулсан тоолох төхөөрөмж 
Модель: R-CNN 


Багуудын гаргасан шийдлүүд ихэвчлэн камерын бичлэг бэлэн болсны дараа автомашины урсгалыг тоолох байв. Харин MLUB баг урсгалыг шууд тоолох аргыг боловсруулснаараа онцлогтой. Үүний тулд замын хөдөлгөөний уулзварууд дахь камерт хиймэл оюун ухаанд суурилсан төхөөрөмжийг нэмэлтээр байрлуулна. Ингэснээр автомашинуудын хурдыг хэмжих, гарцаар гарч буй явган зорчигчдыг тоолж болно. Тус системийг хэрэгжүүлэхийн тулд моделио сайжруулах, холбох зэрэг хөгжүүлэлтүүд шаардлагатай гэнэ.


Хоёрдугаар байр: Beelog 

Шийдэл: RFID Tag болон AIoT камер ашиглах 
Модел: Hidden Markov 


Beelog баг Hidden Markov-ийн загварыг ашиглан камерт бичигдэж буй мэдээллийг текст рүү хөрвүүлэх санааг танилцууллаа. Hidden Markov-ийн загварыг санхүүгийн тооцоолол, цаг агаар зэргийг урьдчилан таамаглах байдлаар ашигладаг байна. Тус шийдлийг ашигласнаар бичлэг дамжуулах, хадгалах, өгөгдөл цуглуулах үе шатуудыг алгасан шууд өгөгдлөө боловсруулах давуу талтай. Одоогийн санхүүгийн таамаглал нь 32.5 сая төгрөг ба үүнээс хамгийн өндөр зардал нь хяналтын веб апп хөгжүүлэх юм.

 
Гуравдугаар байр: Suika  

Шийдэл: Объект таних
Модел: PRE-TRAINED 


Suika баг PRE-TRAINED загварыг ашиглан бичлэгээс объект таних, ангилсан объектоо ангилах үйлдлийг загварчилжээ. Автомашины урсгалыг тоолохдоо шулуун шугам үүсгээд тус шугамаа ашиглан тоолно. Дөрвөн урсгалтай замд найман шугам шаардлагатай. Тэд хөгжүүлсэн моделиосоо тухайн урсгалд зорчиж буй тээврийн хэрэгслийн тоо, огноо, уулзварын нэр, координат, нэвтрүүлэх чадал зэрэг мэдээллүүдийг ашиглан хяналтын системээ бүтээжээ.