Системы видеонаблюдения на объектах с массовым скоплением людей. Вопросы эффективности

Крупные объекты с массовым пребыванием (скоплением) людей – это всегда огромное количество событий, которые создают колоссальную нагрузку на системы безопасности. Чтобы выбрать оптимальное решение для видеофиксации и других задач, необходимо решить ряд принципиальных вопросов еще на этапе проектирования не только системы безопасности, но иногда даже и самого объекта. В данной статье мы рассмотрим подход математического моделирования работы систем видеонаблюдения в крупных проектах и методы оценки эффективности.

В большинстве случаев заказчики и проектировщики при выборе решений и мер обеспечения безопасности (технических и организационных) опираются исключительно на нормативную базу. При этом такому параметру, как эффективность системы, уделяется крайне мало внимания. Объекты массового скопления людей (далее – ОМС) характеризуются большим потоком различной информации, поэтому в проектах по обеспечению безопасности таких объектов особенно остро проявляется задача по обработке получаемых данных и их дальнейшему использованию. А вместе с ней – вопрос о том, насколько будет эффективна система при решении конкретных запросов заказчика, сможет ли она обрабатывать всю поступающую информацию и будет ли целесообразным подобное решение для конкретного объекта с точки зрения стоимости.

Очевидно, что существующие системы безопасности (в частности, устанавливаемые на объектах массового скопления людей) не в состоянии обработать весь поток информации, особенно если речь идет о крупномасштабных объектах, где генерируется огромный объем данных. Поэтому часть информации неизбежно остается без внимания как искусственного интеллекта, так и оператора. Этот момент нужно учитывать на этапе проектирования и выбора конкретного оборудования, чтобы понять, какие средства, аналитические модули, статистические методы и т.д. смогут обеспечить наибольшую эффективность при работе системы безопасности в условиях чрезвычайной ситуации или инцидента.

Моделирование систем безопасности для ОМС

Прежде чем переходить к выбору конкретных моделей систем охранного телевидения (СОТ), их возможностям и решаемым задачам, при проектировании системы видеонаблюдения на ОМС следует уделить особое внимание классификации объектов и методам их изучения. Из практического опыта для изучения ОМС наиболее эффективными можно назвать два способа:

1. Аналитический.
2. Метод статистического моделирования.
   

Остановимся подробнее на методе статистического моделирования, так как он наиболее простой с точки зрения просчета модели и существует много программных инструментов для решения этой задачи.

Статистическую модель системы безопасности можно свести к частному случаю – модели системы массового обслуживания (СМО).

Можно выделить два типа СМО – открытого и замкнутого типа. СМО открытого типа, как правило, применимы к таким системам, как АТС, где поток информации (телефонные звонки) условно можно считать неограниченным.

При работе с ОМС и проектировании систем безопасности мы считаем ОМС замкнутой системой (например, железнодорожный вокзал), когда поток информации предсказуемо конечен и частично циркулирует в пределах системы.

При этом СМО замкнутого типа проще поддаются моделированию и анализу их эффективности.

Чтобы построить СМО-модель замкнутого типа (для упрощения процесса будем считать, что в нашей модели используется исключительно СОТ), следует задать следующие компоненты:

1. Входной поток.
2. Дисциплина очереди.
3. Механизм обслуживания.
   

На рис. 1 приведена типовая схема СМО. На схеме видно, что часть заявок в нашей системе будет отклонена еще до попадания в очередь на обработку. Еще часть будет отклонена, уже будучи в очереди на обработку (обычно это происходит из-за длительного ожидания, потери актуальности). Какой-то процент заявок не будет обработан из-за поступления более приоритетных задач и т.д.

Рис. 1. Схема системы массового обслуживания (СМО)

В нашем случае при работе с СОТ входным потоком является совокупность событий, поступающих из объекта массового скопления.

Очереди – это механизмы системы по накоплению событий. Они основываются на правилах пребывания в очереди (дисциплина). Для них важны такие параметры, как длина очереди (в системах безопасности она безусловно конечна) и ее структура (связь между местами в очереди). От выбора дисциплины (речь идет о таких дисциплинах, как FIFO – First in, First out, LIFO – Last in, First out, SF – Short Forward) зависит время, которое система потратит на отработку заявок и событий в очереди. Соответственно, правильно подобранная дисциплина позволит сократить это время и оптимизировать работу всей системы в целом.

Системы массового обслуживания

Теорию потока однородных событий, которая легла в основу теории массового обслуживания (ТМО), разработал советский математик А.Я. Хинчин.

Первые задачи ТМО были рассмотрены сотрудником Копенгагенской телефонной компании ученым Агнером Эрлангом в период 1908–1922 гг. Эрланг поставил перед собой задачу упорядочить работу телефонной станции и заранее рассчитать качество обслуживания потребителей в зависимости от числа используемых устройств.

Сегодня модели СМО используются в различных сферах и применительно к разным классам объектов, где существуют потоки событий, очереди и каналы их обработки. К таким системам можно отнести такие объекты, как:

• банки;
• системы управления светофорным оборудованием;
• системы противовоздушной обороны;
• погрузочно-разгрузочные станции и т.д.

На примере СОТ этот метод теории массового обслуживания позволяет смоделировать работу системы и проанализировать степень влияния параметров/аналитических методов нашей модели на итоговую эффективность системы.

Работа с потоками данных и классификация событий

И последний элемент нашей модели – это каналы. В случае с системой охранного телевидения каналами являются элементы обработки событий (аппаратно-программные комплексы или операторы системы). На рис. 2 представлена классификация СМО.

Рис. 2. Классификация системы массового обслуживания (СМО)

Для системы безопасности используются многоканальные разнородные СМО (каналы могут отличаться длительностью обслуживания одной заявки), СМО замкнутого типа (поток заявок ограничен, заявки, покинувшие систему, могут в нее возвращаться), многофазные (обслуживание состоит из нескольких неоднородных этапов) СМО.

На рис. 3 представлен состав потока информации на примере упрощенной модели СОТ.

Рис. 3. Модель системы охранного телевидения и состав потока информации

На схеме видно, что каждое событие (информационный поток) предсказывает момент появления следующего события или явления (так называемый поток Эрланга). Простейший пример: детекция движения предсказывает событие, а именно появление определенного объекта (человека, автомобиля и т.д.). То есть одно событие можно считать последствием (следствием) другого. На практике мы чаще встречаемся со следствием целой цепи других событий. При этом в разрабатываемой модели можно учитывать глубину такой цепи (например, обнаружен автомобиль → распознан номер → автомобиль в розыске и т.д.). Безусловно, что чем больше глубина цепи, тем сильнее размывается связь первого и последнего событий. Оптимальную глубину цепи следует определять в зависимости от масштабов объекта и сложности модели, а также от наличия на объекте других систем (помимо СОТ), генерирующих данные для дальнейшей обработки.

На основе детальной информации об ОМС уже возможно построить рабочую модель СМО, которая будет учитывать не только существующие элементы системы, но и те, которые заказчик еще только планирует внедрить. В окончательном виде моделирование даст нам оценку эффективности, которая основывается на одном из критериев:

• эффективность использования СМО;
• показатели качества обслуживания информации (данных);
• эффективность связки "СМО – обслуживание".

Если говорить о системах безопасности (в нашем случае – СОТ), то наиболее значимой является оценка эффективности и качества обслуживания информации как наиболее важный параметр работы СОТ с данными.

Практическое применение модели СМО

Что же дают модели СМО систем охранного телевидения на практике? На основе анализа таких моделей можно сделать вывод, что СМО работает с высокой степенью эффективности даже при увеличении объемов разнообразной информации, но до определенного момента насыщения модели. После преодоления этой точки дальнейшее добавление на объект элементов СОТ не приводит к росту эффективности работы инфраструктуры безопасности.

Что касается актуальных типов видеоанализа, то анализ поведения дает наибольший эффект при использовании в модели для ОМС (речь идет СМО замкнутого типа). Особенно заметный и положительный эффект дает исключение очереди (отвечающей за события анализа поведения) из канала обработки оператором системы, а также незначительное снижение порога чувствительности. Для достижения максимального эффекта следует особое внимание уделять техническим и функциональным возможностям СОТ, так как далеко не каждая система обладает необходимыми характеристиками, которые смогут обеспечить ожидаемый результат.

Упрощенно результат моделирования можно свести к условному графику "качество – затраты". При определенных условиях график
эффективности (рис. 4) может как иметь экстремум, так и монотонно расти. В первом случае экстремум подскажет наилучшее значение параметра В. В случае монотонного роста применяются различные методы для приведения графика к первому виду. Например, нам нужно вывести параметр К на максимум и параметр В – на минимум. В таком случае разница по точкам графиков (серого и красного) этих функций даст нам результирующий график (зеленый график), который будет иметь экстремум.

Рис. 4. Соотношение "качество – затраты"

Чтобы понять, какой параметр (камера, аналитика и т.п.) дают наибольший эффект и результат от работы всей системы, необходимо зафиксировать все параметры, кроме исследуемого (метод фиксации). Далее можно снимать параметры работы системы в различных условиях и при разных значениях параметров. В результате мы получим график зависимости исследуемых параметров, из которого будет виден уровень чувствительности системы (эффект от изменения) к тому или иному параметру и их изменениям. Провести подобный анализ возможно с помощью специализированных программ (как правило, MATLAB), которые могут просчитывать сотни моделей в единицу времени и предоставлять удобную визуализацию данных.

В качестве резюме можно добавить, что метод построения моделей СМО является наиболее эффективным способом спрогнозировать работу систем безопасности практически в любых ситуациях, что позволит выбрать наиболее эффективные и подходящие под конкретные задачи решения.

Опубликовано в журнале "Системы безопасности" №3/2021