20.04.26

Денежное вознаграждение (оплата по этапам/спринтам).

MVP

Задачи ИКТ

Car industry

Intelligent control systems

Software/ IS,

Mobile app

Архитектура и доступность (Защита от блокировок) Для обеспечения 100% отказоустойчивости и независимости от мессенджеров разработка ведется по модели Hybrid Web/Mobile: • Единый Backend: Централизованная обработка всей AI-логики и базы данных. • Frontend: Прогрессивное веб-приложение (PWA) с зеркалированием в Telegram Mini App. Сервис должен быть доступен как по прямой ссылке в браузере (с установкой иконки на рабочий стол), так и внутри мессенджера. 3. Ключевые модули и функционал Модуль 1: Видеоаналитика и AI (Computer Vision) • Детекция: Использование моделей YOLOv8/v10 для обнаружения авто в 6+ зонах одновременно. • Распознавание (LPR): Интеграция библиотек (Nomeroff Net или аналоги) для стабильного чтения номеров РК при любом освещении. • Анализ активности: Детекция стадий (начало/процесс/финиш) на основе визуальных данных (анализ движения и изменения ROI). • Стриминг: Стабильный захват видео по RTSP с автоматическим восстановлением потока при обрывах. Модуль 2: Предиктивное ядро (ETD Engine) • Zero-Manual Calculation: Автоматический расчет времени выезда (Estimated Time of Departure) на основе: 1. Выбранного типа услуги (Стандарт/Экспресс). 2. Текущей стадии процесса, подтвержденной визуально через ИИ. 3. Исторических данных о среднем времени обслуживания на конкретном объекте. Модуль 3: Диспетчер очередей (Logic Backend) • Dynamic Rescheduling: Каскадный пересчет графиков при отклонениях (ранний выезд или задержка). • Уведомления: Автоматическая рассылка (Web Push / Telegram) о сдвигах очереди. • История: Хранение данных (номер авто, время сессии, фотофиксация заезда/выезда). 4. Технологический стек • Backend: Python 3.10+ (FastAPI), PostgreSQL, Redis. • Frontend: React / Next.js (для реализации PWA и Telegram Mini App). • ML/CV: OpenCV, PyTorch, YOLO. • Инфраструктура: Docker, развертывание на GPU-серверах (NVIDIA), MQTT. 5. Ожидаемые результаты (Критерии приемки) 1. Автоматизация: Смена статуса бокса в БД происходит в течение 5 секунд после физического события без участия человека. 2. Точность: Стабильное распознавание номеров РК (включая грязные номера) с точностью не ниже 90% в дневное/вечернее время. 3. Отказоустойчивость: Приложение корректно работает в браузере при блокировке мессенджера. 4. Синхронизация: Обновление времени ожидания в интерфейсе пользователя происходит в реальном времени. 6. Этапы разработки (Milestones) 1. Stage 1: Прототип распознавания номеров и детекции авто на 2-х потоках. 2. Stage 2: Логика «умной очереди» и предиктивного алгоритма (Backend). 3. Stage 3: Разработка PWA-интерфейса и интеграция с Telegram Mini App. 4. Stage 4: Полевое тестирование на объекте и финализация системы уведомлений. 7. Требования к коду и архитектурному заделу • Git: Передача исходного кода в репозиторий заказчика. • Документация: Обязательное документирование API (Swagger/Redoc). • Масштабируемость: Архитектура должна позволять масштабирование до 50+ камер. • Mobile Readiness: Backend должен быть спроектирован как универсальный RESTful API, полностью отделенный от фронтенд-логики, для обеспечения бесшовной интеграции с нативными мобильными приложениями (Flutter/React Native) на следующем этапе развития проекта.

1. Полная автоматизация учета занятости постов (исключение человеческого фактора). 2. Повышение пропускной способности объекта за счет предиктивного расчета времени (ETD) и умной очереди. 3. Прозрачная аналитика посещаемости и времени обслуживания для владельца бизнеса. 4. Минимизация конфликтов в очереди благодаря автоматическим уведомлениям клиентов.

Александр Мещеряков