Интеллектуальные транспортные системы: Как работают «умные» светофоры?

Студенты БАТ-22-31 Ишмуратов Ибрагим и Сафиуллин Тимур продолжают рассказ о проекте. Сегодня — про «мозг» системы: адаптивное управление светофорами.

Какими бывают адаптивные светофоры?
Это не таймеры, а комплексы с ИИ, анализирующие трафик и гибко меняющие сигналы.

Три типа:
1️⃣ Локальные — управляют одним перекрестком.
2️⃣ Координированные («Зеленая волна») — синхронизируют цепочку светофоров.
3️⃣ Гибридные — автономность + координация + ИИ-прогнозы.

⚡️Конкуренты и наш подход:
• «Умный перекресток»: петли в асфальте → сложный монтаж.
• «Ростелеком»: камеры с ИИ, но нужен диспетчер.
• «МегаФон»: Big Data — неточно на перекрестке.
• Kapsch, Siemens: V2X, санкции, слабо развиты в РФ.

🚀Наше решение — гибридная система:
✅ Полная автоматизация — ИИ управляет без человека.
✅ Мультимодальные сенсоры — камеры + радары. Всепогодность, точность.
✅ Импортонезависимость — без V2X, работаем на доступной базе.

✨ 12 февраля наши студенты под руководством доцента Шулаевой Е.А. посетили г. Ишимбай, где для 215 школьников прошла профориентационная встреча с кафедрой АТИС.
🎓 Ребята познакомились с направлениями подготовки кафедры, окунулись в атмосферу студенческой жизни УГНТУ, узнали о современных разработках в сфере автоматизации и технологических систем и получили ответы на все вопросы о поступлении.
⚙ Такие встречи помогают будущим абитуриентам сделать осознанный выбор профессии и увидеть реальные перспективы обучения в ИХТИ!
📷 Фотоальбом с мероприятия: https://vk.ru/album-202325011_310099635

Как беспилотник оценивает качество дорог?

Раньше дефекты искали люди — медленно, субъективно и опасно. Студент БУС-22-31 Бикмухаметов Тимур предлагает решение: беспилотник с нейросетью.

Сердце системы — нейросеть YOLOv8. Она обрабатывает изображение за один проход, мгновенно определяя объекты. Для дрона, летящего на скорости, это идеально — анализ идет в реальном времени.

Полётный контроллер Pixhawk ведёт аппарат по маршруту из Mission Planner, камера делает снимки, а нейросеть накладывает на дефекты цветные рамки.

Но камера дает плоскую картинку. Чтобы точно измерить глубину повреждений, нужен лидар. Лазерный дальномер испускает миллионы импульсов в секунду и по времени их возвращения рассчитывает глубину ям и выбоин.

Почему это востребовано?
Дорожные службы получают оперативные данные для планирования ремонта. Комплекс безопасен (управление с обочины), объективен (нейросеть не устает) и экономически эффективен.

Как беспилотники помогают тушить пожары?

Студент БАТ-22-31 Сидоров Виктор разрабатывает дрон для обнаружения и точечной локализации возгораний. Оснащенный тепловизорами и газоанализаторами, он становится «глазами» пожарных в небе.

Где применяются?
🏙️Городские пожары: Дрон прибывает первым, видит сквозь дым тепловизором и передает видео в штаб для эффективного управления силами.

🌳Лесные пожары: БПЛА быстро исследует огромные территории, выявляет очаги и помогает распределять ресурсы.

⚠️ЧС: Дроны работают на объектах с опасными веществами без риска для людей, ищут пострадавших в дыму и доставляют медикаменты.

Данные с воздуха помогают руководителю определить силу пожара, пути подхода и расставить приоритеты. После тушения дрон находит тлеющие участки, предотвращая новые возгорания.

☀️Как дроны и ИИ следят за солнечными электростанциями?

Солнечная энергетика растет, но с масштабами приходит и проблема: как эффективно обслуживать гектары панелей? Человеческий осмотр или наземная техника — это медленно, дорого и часто неточно. Мелкий дефект на одной ячейке может обернуться огромными потерями генерации для всей станции.

Студент группы БУС-22-31 Ярмиев Мурат в своей выпускной квалификационной работе (формат «стартап») предлагает решение: использовать дроны с тепловизорами. Квадрокоптеры облетают станции по заданному маршруту, а нейросеть в реальном времени анализирует тепловые снимки, выявляя перегрев, трещины, загрязнения и неисправности. Система формирует отчет с точными координатами проблемных участков.

Проект направлен на автоматизацию диагностики и сокращение потерь энергии, которые для крупных станций могут достигать миллионов рублей. Автоматизация повышает рентабельность «зеленой» энергетики за счет снижения затрат на ручной труд и оперативного устранения неполадок.

Разработка АСУ ТП: как управлять производством без потерь? ⚙️

Человек не может отслеживать сотни параметров, а старые системы работают по жестким сценариям. Одна аномалия — брак всей партии или аварийная остановка.

Студент группы БУС-22-31 Суханов Егор в рамках диплома создает структуру и алгоритмы АСУ ТП для производства композиционных материалов.

Этапы реализации:
1️⃣ Изучение реального производства, поиск слабых мест: отсутствие гибкости, запаздывание реакций.
2️⃣ Проектирование архитектуры: настройка датчиков, контроллеров и интерфейса для работы в реальном времени.
3️⃣ Разработка алгоритмов — логика не просто включает оборудование, а анализирует параметры, прогнозирует отклонения и корректирует настройки.

Результат: автоматизация, сокращение потерь и простоев, меньше ручного труда.