CS
English
Deutsch
Français
Italiano
Español
Nederlands
Polski
Ελληνικά
Hrvatski
Slovenčina
Português
Türkçe
Svenska
Magyar
RomânăDetekce parkovacích míst: co otestovat, než se rozhodnete
Úhledná schémata detekci parkovacích míst v reálném světě neporazí.
Detekci parkovacích míst v reálném světě neporazí úhledná schémata. Porazí ji únorová břečka, bílá dodávka přes půl stání, nízké slunce, které z každé vodorovné čáry udělá stín, a dočasné uspořádání pro akci postavené z kuželů v 6 ráno. Pokud v roce 2026 vybíráte systém, užitečná otázka nezní, zda ukázka funguje za jasného všedního odpoledne. Zní, zda dodavatel dokáže doložit výkon přesně v podmínkách, kvůli kterým je vaše venkovní parkoviště nebo marina dnes nespolehlivá.
Tento praktický průvodce je záměrně skeptický. Zaměřuje se na situace, které naivní systémy rozbijí, a na praktické testy, které můžete provést před podpisem smlouvy. Využijte ho k tomu, abyste diskusi posunuli od marketingových procent k doloženým výsledkům na vaší vlastní lokalitě.
Kde detekce parkovacích míst v praxi selhává
Většina selhání spadá do jedné ze tří kategorií: stání není dobře vidět, tvar vozidla je nejednoznačný, nebo uspořádání už neodpovídá předpokladům modelu. Berte detekci parkovacích míst jako test prostředí, nejen jako hodnocení softwaru. Systém, který funguje dobře na ostrém značení na asfaltu, může mít potíže na štěrkových záložních plochách, na trávě, na parkovištích u vody nebo při sezónním uspořádání, pokud na tyto případy nebyl natrénovaný a ověřený.
| podmínka | proč naivní detekce selhává | na co se ptát dodavatele | jak to otestovat na místě |
|---|---|---|---|
| Sněhová pokrývka a stojící voda | Sníh zakryje značení stání a změní kontrast vozidel. Kaluže mohou odrážet oblohu, světla, lodě, sloupy nebo vozidla a vytvářet falešné hrany a falešné signály obsazenosti. | Chtějte příklady z venkovních lokalit se sněhem, břečkou, deštěm a odrazivými kalužemi. Zeptejte se, zda model využívá geometrii stání, detekci objektů, časovou souvislost, nebo jejich kombinaci. | Testujte po sněžení, při tání a po silném dešti. Porovnávejte výstup systému s ručním počítáním v pevných intervalech a sledujte, zda se chyby soustřeďují na konkrétní níže položená stání. |
| Nízké zimní slunce a dlouhé stíny | Výrazné stíny mohou připomínat vozidla nebo rozdělit vozidlo na zavádějící části. Nízké slunce navíc způsobuje odlesky v objektivu a snižuje kontrast světlých vozidel. | Zeptejte se, jak systém zvládá sezónní úhel slunce a zda se pozice kamer posuzují i z hlediska oslnění, nejen pokrytí. | V zimě testujte při východu slunce, v poledne a pozdě odpoledne. Zahrňte stání u stromů, sloupů, stožárů, plotů a značek, které vrhají dlouhé stíny. |
| Noc a oslnění světlomety | Světlomety přesvětlí části obrazu. Mokrý asfalt oslnění zesiluje a tmavá vozidla mohou splynout se špatně osvětleným pozadím. | Chtějte noční přesnost uvedenou zvlášť od denní. Zeptejte se, zda dodavatel testoval s jedoucími světlomety, zaparkovanými vozidly s rozsvícenými světly a mokrým povrchem. | Odeberte kontrolní vzorky po setmění, zejména ve špičce příjezdů a odjezdů. Zahrňte i deštivé noci, ne jen suché noci s rovnoměrným osvětlením. |
| Částečné zakrytí dodávkami, přívěsy, živými ploty nebo vybavením | Vysoká dodávka může zakrýt malé auto na sousedním stání. Přívěsy, lodní vybavení, živé ploty, popelnice a dočasné značení mohou blokovat výhled kamery. | Zeptejte se, jaká část každého stání musí zůstat viditelná a jak systém hlásí nejistotu, když je stání částečně zakryté. | Zaparkujte dodávky a přívěsy v realistických pozicích. Netestujte jen s malými auty. Ověřte, zda systém dělá sebejisté chybné závěry, nebo hlásí sníženou jistotu. |
| Motocykly a nadrozměrná vozidla přes více stání | Malá vozidla mohou zůstat nepovšimnutá, pokud systém čeká objekty velikosti auta. Nadrozměrná vozidla mohou zabrat dvě stání, takže jedno skutečné obsazení se započítá chybně. | Zeptejte se, jak jsou v datovém modelu zachyceny motocykly, obytné vozy, vozidla s přívěsem, servisní vozidla a auta stojící přes čáru. | Připravte testovací případy s motocykly, dlouhými vozidly a špatně zaparkovanými auty. Ověřte, zda výstup odpovídá použitelným místům, a ne jen detekovaným objektům. |
| Vybledlé nebo chybějící značení na štěrkových a travnatých záložních plochách | Systémy, které příliš spoléhají na vodorovné značení, mohou selhat, když jsou čáry vybledlé, zakryté nebo nikdy neexistovaly. Štěrk a tráva vnášejí změny textury, které mohou vypadat jako hranice. | Zeptejte se, zda lze virtuální polygony stání definovat nezávisle na fyzických čarách a zda je lze upravit bez přemalování. | Zahrňte do pilotu svou nejhorší záložní plochu. Zakreslete kontrolní mapu zamýšlených stání a porovnejte výsledky, když vozidla parkují nepravidelně. |
| Výška montáže kamery a úhel pohledu | Nízký nebo plochý úhel zvyšuje zakrývání: jedno vozidlo zakryje druhé. Příliš široký záběr může snížit detail vozidel. Příliš úzký záběr může vynechat okolí příjezdu. | Chtějte návrh rozmístění kamer s očekávanou viditelnou plochou, slepými místy, hustotou pixelů a příklady podobných výšek montáže. | Navrženou perspektivu vyzkoušejte na dočasných držácích nebo stávajících sloupech. Testujte při různé obsazenosti parkoviště, ne jen když je téměř prázdné. |
| Sezónní růst zeleně | Větve, které v zimě nevadí, mohou v létě zakrýt stání. Pohybující se listí navíc vytváří proměnlivé stíny a vizuální šum. | Zeptejte se, zda průzkum lokality počítá se sezónním růstem a zda dodavatel po olistění záběry kamer znovu kontroluje. | Pokud jsou k dispozici, projděte starší snímky a pak proveďte letní ověření. Najděte stání, která mizí za živými ploty, stromy nebo zelení v marině. |
| Dočasné změny uspořádání během akcí | Kužely, pořadatelé, záložní louky, uzavřené řady a improvizované VIP zóny mění význam slova „volné“. Pevný model může dál počítat místa, která se nepoužívají. | Zeptejte se, jak se nastavují dočasné uzavírky a uspořádání pro akce, kdo je může měnit a jak rychle se změny projeví v reportingu. | Nasimulujte plán akce s uzavřenými stáními a dočasnými řadami. Ověřte, že volná místa odpovídají provoznímu uspořádání, a ne běžnému vyznačenému. |
Chtějte doklady za uvedených podmínek
Jedno číslo o přesnosti nestačí. Mělo by být doplněné podmínkami, za kterých bylo naměřeno: typ lokality, výška kamery, počasí, osvětlení, úroveň obsazenosti, kvalita značení, skladba vozidel a období vzorku. Údaj založený na slunečných denních snímcích z dobře značeného parkoviště vám řekne málo o areálu u vody s oslněním, přívěsy a sezónními špičkami.
Trvejte na rozdělených výsledcích. Den vs. noc. Sucho vs. mokro. Běžná stání vs. záložní plochy. Běžný provoz vs. akce. Pokud dodavatel tyto případy nedokáže oddělit, nemůžete vědět, zda působivý průměr neskrývá právě ta selhání, na kterých vám záleží.
Jak číst údaj o přesnosti detekce parkovacích míst
Slovo přesnost se často používá volně. V praxi jsou užitečnější dva pojmy: precision (přesnost pozitivních hlášení) a recall (úplnost). Precision se ptá: když systém řekne, že je místo obsazené, jak často má pravdu? Nízká precision znamená falešná hlášení obsazenosti, kvůli kterým parkoviště vypadá plnější, než je. Recall se ptá: kolik ze všech skutečně obsazených míst systém našel? Nízký recall znamená přehlédnutá vozidla, která mohou vést k nebezpečným nebo zavádějícím počtům volných míst.
Stejná logika platí pro volná místa. Falešně volné místo obvykle poškodí zážitek řidiče víc než falešně obsazené, protože posílá lidi ke stáním, která ve skutečnosti využít nemohou. Pro provozovatele závisí správná rovnováha na účelu použití: naváděcí tabule, provozní přehledy, podpora kontroly, sledování kotvišť nebo analytika poptávky. Dodavatel by měl vysvětlit, které chyby jsou nejčastější a jak systém zachází s nejistotou.
Procento bez uvedených podmínek nic neříká, protože neznáte jmenovatel. Bylo měřeno na 200 snímcích, nebo na 2 milionech pozorování stání? Byly zahrnuty motocykly? Byly vyřazeny dny s akcemi? Ležel sníh? Byla z testovací sady vyřazena částečně zakrytá místa? Počítaly se výsledky po snímcích, po stáních, po hodinách, nebo po změnách obsazenosti? Každá z těchto voleb může číslo změnit.
Před nákupem proveďte kontrolu proti skutečnosti
Užitečná namátková kontrola nemusí být složitá, ale vyžaduje disciplínu. Nejprve přesně vymezte testovanou plochu a vypište každé stání nebo zamýšlené parkovací místo, včetně štěrkových či travnatých záložních ploch, pokud patří k běžnému provozu. Pak zvolte testovací okna, která odpovídají vašim obtížným podmínkám: mokré ráno, nízké slunce, večerní příjezdy, sobotní špička, příprava akce a klidné období po odjezdech.
V každém okně zaznamenejte ruční kontrolní stav ve stejném čase jako výstup systému. Může to být obchůzkou proškoleného personálu, kontrolou zaznamenaného snímku nebo pomocí označené mapy areálu. Kde to jde, zaznamenávejte tři stavy: obsazeno, volno a nejisté či nepoužitelné. Třetí stav je důležitý, protože dočasné uzavírky, zablokovaná stání a nejednoznačné parkování přes čáru by se neměly bez provozního rozhodnutí vtěsnat do čistě binárního označení.
Pak porovnávejte stání po stání. Spočítejte falešně obsazená, falešně volná, přehlédnutá obsazení více stání a způsob práce s nejistotou. Hledejte vzorce, ne jen součty. Deset chyb náhodně rozložených na 2 000 pozorování může být zvládnutelných. Deset chyb soustředěných ve stejné řadě u vjezdu, na záložní ploše nebo v části u vody může způsobovat trvalé provozní potíže.
Nakonec test zopakujte po úpravě uspořádání nebo doladění kamery. Dobré hodnocení je iterativní: první výsledek ukáže, kde systém má potíže; druhý ukáže, zda je dodavatel umí napravit. Pokud se výkon zlepší jen tím, že obtížná stání vyřadíte z reportu, buďte opatrní. Vyřazení mohou být přijatelná, pokud jsou jasně označená, ale nesmí být skrytá v údaji o přesnosti.
Jak zní věrohodná odpověď dodavatele
Nejlepší dodavatelé nepředstírají, že nepříznivé podmínky neexistují. Popíší omezení, ukážou srovnatelná nasazení, navrhnou pozice kamer, které omezí zakrývání, a dohodnou se na přejímacích testech s obtížnými případy z vaší lokality. Měli by bez potíží mluvit o falešně pozitivních a falešně negativních výsledcích, prahových hodnotách jistoty a provozních záložních postupech při špatné viditelnosti.
Buďte ostražití u odpovědí, které stojí na obecných snímcích obrazovky, ukázkách za ideálního počasí nebo jednom hlavním čísle. Buďte ostražití i u systémů, které po vašem venkovním areálu chtějí, aby se choval jako výkres: trvalé značení, standardní vozidla, žádné stíny, žádné dočasné změny a žádná rostoucí zeleň. Skutečné areály tak nefungují.
Pokud si teprve ujasňujete, jak technologie funguje, než ji podrobíte zátěžovému testu, náš článek o detekci obsazenosti parkovacích míst vysvětluje, co systém u každého místa měří a jaká data vytváří.
Když systém projde testy na vaší lokalitě, druhou polovinou rozhodnutí je cena: náš rozbor nákladů na detekci obsazenosti parkoviště prochází veřejný ceník v přepočtu na místo i rozpočtové položky mimo něj.
Pokud značení není jen vybledlé, ale úplně chybí, odpověď vypadá jinak: viz detekce parkovacích míst na neoznačených plochách, kde systém hlásí počty vozidel místo stavu jednotlivých stání.
Abychom sami dostáli výše popsanému standardu, uvádíme podmínky za naším vlastním číslem. Parkinto poskytuje kamerovou detekci obsazenosti s AI pro venkovní parkoviště a mariny, bez senzorů v zemi. Údaj 99,7 % se týká stavu volno/obsazeno u každého místa v současném provozu, odvozeného ze snímku kamery pořízeného a vyhodnoceného každých 30 sekund, přičemž kamera je umístěná tak, že obsazenost je z jejího pohledu vidět pouhým okem – jedna kamera typicky pokryje 25–35 venkovních míst; jen ideálně umístěná kamera s vysokým a širokým výhledem dosáhne zhruba na 100. Nezávislý audit Českého vysokého učení technického v Praze (Fakulta dopravní) naměřil u dřívější verze systému přesnost 99,4 %. Pokud vybíráte detekci parkovacích míst pro náročnou lokalitu, požádejte nás, ať ji otestujeme v podmínkách, které vaši lokalitu skutečně ovlivňují.
