Алгоритм автоматической идентификации транспорта экстренных служб

Актуальность исследования обусловлена необходимостью обеспечения оперативного доступа транспортных средств экстренных служб на территорию охраняемых объектов, доступ к которых в условиях современной городской среды часто ограничен шлагбаумами и другими физическими барьерами, управляемыми автоматически. Данная проблема может быть решена за счет внедрения интеллектуальных систем идентификации транспорта экстренных служб. В связи с этим, данная статья направлена на разработку алгоритма автоматической идентификации транспорта экстренных служб по изображению. Идея предлагаемого алгоритма основывается на совместном использовании искусственной нейронной сети и онтологической модели знаний о транспорте экстренных служб. Онтология разработана с использованием редактора Protégé и языка OWL на основе анализа открытых данных о классификации и оснащении экстренных служб. В качестве основы искусственной нейронной сети выбрана архитектура YOLOv8, обученная на расширенном наборе данных Roboflow. Результаты экспериментального исследования подтвердили высокую эффективность предложенной модели, достигшую точности 89 %, что свидетельствует о ее практической применимости для решения целевой задачи. Разработанный алгоритм может быть интегрирован в интеллектуальные системы управления доступом на территориях жилых комплексов и коммерческих объектов, способствуя тем самым повышению уровня безопасности и оптимизации сервисного обслуживания.

1. Колоденкова А.Е. Автоматизация процесса контроля и управления доступом транспортных средств на территорию образовательной организации. Вестник Ростовского государственного университета путей сообщения. 2025;(2):28–34.

2. Мещеряков Е.В., Филатова М.В. Автоматизированная система подбора парковочных мест. Научный аспект. 2024;50(6):6443–6448.

3. Клюев С.Г., Трунов Е.Е. Проблемы обучения глубоких нейронных сетей для обнаружения угроз нарушения безопасности в сетях с динамической топологией. Моделирование, оптимизация и информационные технологии. 2021;9(1). https://doi.org/10.26102/2310-6018/2021.32.1.012

4. Соболевская Е.Ю., Шевченко И.Д., Алексеев С.Е. Алгоритм формирования базы уязвимостей и выбор архитектуры нейронной сети для их обработки. Моделирование, оптимизация и информационные технологии. 2022;10(3). https://doi.org/10.26102/2310-6018/2022.38.3.025

5. Клименко А.Б., Баринов А.А. Метод управления вычислительными ресурсами распределенных систем на основе «жадной» стратегии и онтологии эффективных алгоритмов. Моделирование, оптимизация и информационные технологии. 2024;12(1). https://doi.org/10.26102/2310-6018/2024.44.1.018

6. Потравнова А.А., Солопекин Д.А. Разработка и наполнение прототипа онтологии дорожных знаков РФ. В сборнике: Проблемы управления в социально-экономических и технических системах: Материалы XIX Международной научно-практической конференции, 13–14 апреля 2023 года, Саратов, Россия. Саратов: Наука; 2023. С. 415–418.

7. Либерман А.И., Шульга Т.Э. Онтологическая модель «военная наземная техника». Известия высших учебных заведений. Поволжский регион. Технические науки. 2023;(1):64–74. https://doi.org/10.21685/2072-3059-2023-1-5

8. Еркимбаев А.О., Зицерман В.Ю., Кобзев Г.А. Современные возможности совместного применения онтологий и методов машинного обучения для работы с данными. Научно-техническая информация. Серия 1: Организация и методика информационной работы. 2025;(10):10–27.

9. Шилов Н.Г., Пономарев А.В., Смирнов А.В. Анализ методов онтолого-ориентированного нейро-символического интеллекта при коллаборативной поддержке принятия решений. Информатика и автоматизация. 2023;22(3):576–615. https://doi.org/10.15622/ia.22.3.4

10. Карпов О.Э., Андриков Д.А., Максименко В.А., Храмов А.Е. Прозрачный искусственный интеллект для медицины. Врач и информационные технологии. 2022;(2):4–11. https://doi.org/10.25881/18110193_2022_2_4

11. Захарова И.Г., Воробьева М.С., Боганюк Ю.В. Сопровождение индивидуальных образовательных траекторий на основе концепции объяснимого искусственного интеллекта. Образование и наука. 2022;24(1):163–190. https://doi.org/10.17853/1994-5639-2022-1-163-190

12. Костюкевич Т.А., Либерман А.И. Сравнительный анализ онтологий наземного транспорта. В сборнике: Проблемы управления в социально-экономических и технических системах: Материалы XX Международной научно-практической конференции, 17–18 апреля 2024 года, Саратов, Россия. Саратов: Наука; 2024. С. 65–67.

13. Бобырь М.В., Храпова Н.И. Информационно-аналитическая система детектирования движения объектов на пешеходном переходе. Онтология проектирования. 2024;14(4):531–541. https://doi.org/10.18287/2223-9537-2024-14-4-531-541

14. Terven J.R., Cordova-Esparaza D.M. A comprehensive review of YOLO: From YOLOv1 to YOLOv8 and beyond. arXiv. URL: https://arxiv.org/pdf/2304.00501v1 [Accessed 6th February 2026].