Файл: Российской федерации федеральное государственное автономное образовательное учреждение высшего образования.pdf

248 определяются виды и состав основных работ и мероприятий по содержа- нию, ремонту и реконструкции дорог с целью повышения их транспортно- эксплуатационного состояния до требуемого уровня.
В настоящее время существует довольно много поставщиков про- странственных данных, особенно данных карт улично-дорожных сетей, начиная от данных, собранных местными органами власти, и заканчивая данными, собранными глобальными поставщиками, такими как Карты
Google, Яндекс Карты, Openstreetmap и ESRI. Они могут быть использова- ны в навигации, в исследованиях, при разработке приложений, основанных на пространственных данных.
В данной работе мы предлагаем использовать пространственные дан- ные из Openstreetmap.
Openstreetmap (OSM) — это совместный проект по созданию бесплат- ной редактируемой карты мира [3]. Выбор данной технологии обусловлен следующими достоинствами Openstreetmap:
• OSM — это единственные карты, к внутреннему устройству которых у нас есть полный доступ;
• Пространственные данные Openstreetmap также могут быть свободно загружены любым, кому это необходимо, и могут быть обработаны для конкретных нужд;
• Возможен экспорт карт в форматы PNG, JPEG, SVG, PDF, PostScript.
Также существуют проекты по экспорту данных OpenStreetMap в различ- ные форматы, например формат карт Garmin, а также ГисРусса;
• Современные пространственные данные дорожной сети, которые были охвачены Openstreetmap, являются очень полными, актуальными и точными.
Основным продуктом Openstreetmap является пространственная база данных, которая содержит географические данные и информацию со всего мира.
В настоящее время проект включает административные границы, де- тальное землепользование, здания, пешеходные дороги и дороги разного назначения, водные объекты, разные коммуникации и т. д.
Благодаря наличию пространственных данных можно использовать их без необходимости самостоятельного сбора данных о дорогах. Затем мы можем добавить информацию, связанную с дорожными условиями, на ос- нове дорожных данных. Поскольку доступ к данным может быть получен из любого места и кем угодно, то ввод информации, связанной с состояни- ем дорог, может осуществляться общественностью, поэтому данные о со- стоянии дорог будут продолжать расти быстро, непрерывно и динамично.
Пространственные данные представляют собой многомерные данные с точками, поверхностями и линиями в виде списка чисел, использующих определенную систему координат. Чтобы создать систему, способную об-

249 рабатывать пространственные данные, нам нужны системы управления пространственными базами данных (СУПБД). В данной работе выбран
PostgreSQL, потому что он имеет открытый исходный код, поддерживает множество пространственных функций и является достаточно проверен- ным по сравнению с другой СУБД с открытым исходным кодом.
Статические данные дорожной карты из Openstreetmap будут экспор- тированы в СУПБД для обработки и дальнейшего управления в соответ- ствии с системными требованиями. Кроме того, данные могут быть пред- ставлены с помощью веб- и мобильных приложений. Архитектурная мо- дель создаваемой картографической системы представлена на рисунке 1.
Рис. 1. Концепция архитектуры системы
Пространственные данные из OSM хранятся в СУБД как многостроч- ный тип данных, описывающий геометрию объекта. Многострочный стро- ковый тип данных представляет собой геометрический тип данных в виде набора объединенных строк. Строка, в свою очередь — это набор точек, которые образуют множество соединенных прямых линий. Этот тип дан- ных обычно используется для отображения таких объектов, как дороги, реки, тропы и кольцевые трассы. Эти данные о геометрии дороги необхо- димо обработать, прежде чем на них можно будет указать тип поврежде- ния. Длина линии варьируется от десятков метров до тысяч метров, что требует разделения дорожных данных на сегменты с максимальной длиной
5 метров. Каждый из этих участков дороги обозначен в соответствии с их состоянием. Этапы представления данных о состоянии дорог показаны на рисунке 2.

250
Рис. 2. Этапы обработки пространственных данных
Следовательно, маркировка повреждения участка дороги может быть выполнена по меньшей мере на 1 участке дороги данных с максимальной длиной 5 метров. Каждый сегмент дороги может быть отмечен и сохранен в отдельной таблице состояния. Наборы данных сегментов дорог, которые были отмечены в соответствии с их соответствующими условиями, затем отображаются в виде карты в веб-браузере и на мобильном устройстве.
Для отображения пространственных данных в виде карт в веб-браузерах и мобильных устройствах используются Node.js и библиотеки Github.
Результаты геоинформационного моделирования дорожных условий позволили отметить местоположение дороги в соответствии с условиями повреждения. В каждой метке сегмента дороги сохранен идентификатор сегмента дороги, тип повреждения и уровень повреждения. Каждый тип и уровень повреждения имеют определенный цвет на отмеченном участке дороги, чтобы пользователю было видно разницу между поврежденной и неповрежденной частью дороги. Собранные пространственные данные бу- дут использованы для разработки системы поиска альтернативных путей, чтобы избежать повреждения дорог. Кроме того, пространственные дан- ные также будут использоваться для проведения картографического анали- за дорожных улучшений и кластеризации областей повреждения дорог.
Литература
1. Коновалова Т. В. Проблемы и перспективы развития транспортной ин- фраструктуры и транспортных средств в России [Текст] / Т. В. Конова- лова, В. П. Макаренко // Политехнический вестник «Наука. Техника.
Технологии». – 2016. – № 2. – С. 148–150.
2. Банушкина Н. А. Методика разработки экспертных систем управления безопасностью дорожного движения в населенных пунктах / Н. А. Ба- нушкина // Изв. Алт. гос. ун-та. – 2015. – № 1/2 (85). – С. 91–95.
3. Mobasheri A., Zipf A., Francis L. Openstreetmap data quality enrichment through awareness raising and collective action tools-experiences from a Eu- ropean project // GEO-SPATIAL INFORMATION SCIENCE. – 2018. –
№ 3. – P. 234–246.

251

252
Литература
1. Soldatov A. N., Sabotinov N. V., Latush E. L., Chebotarev G. D.,
Vuchkov N. K., Yudin N. A. Strontium and calcium vapour lasers. Volume I /
Prof. Soldatov A. N., Academician Sabotinov N. V., Editors. – Sofia: Prof.
Marin Drinov Academic Publishing House, 2013. – 293 p.
2. Soldatov A. N., Sabotinov N. V., Latush E. L., Chebotarev G. D.,
Vuchkov N. K., Yudin N. A. Strontium and calcium vapour lasers. Volume II
/ Prof. Soldatov A. N., Academician Sabotinov N. V., Editors. – Sofia: Prof.
Marin Drinov Academic Publishing House, 2014. – 323 p.
3. Chebotarev G. D., Prutsakov O. O., Latush E. L. Mathematical modeling of ion recombination strontium vapour laser // Proc. SPIE. – 2004. – Vol. 5483.
P. 83–103.

253
ВИРТУАЛЬНАЯ ЛАБОРАТОРНАЯ РАБОТА
«ФОТОВОЛЬТАИЧЕСКИЙ ЭФФЕКТ»
Чеботарев Г. Д., Мазурицкий М. И.
ФГАОУ ВО «Южный федеральный университет»,
физический факультет
E-mail: gdchebotarev@sfedu.ru
Виртуальная лабораторная работа «Фотовольтаический эффект» предназначена для использования в учебном процессе при изучении дис- циплины «Волоконно-оптическая связь». Лабораторная работа разработана сотрудниками кафедры квантовой радиофизики и лаборатории ЛАКТОС и представляет собой интерактивную компьютерную программу, которая моделирует физические процессы в полупроводниковых фотоприемных устройствах. В таких фотоприемниках оптическое излучение преобразует- ся в электрические сигналы за счет внутреннего фотоэффекта. В частности, когда p-n переход облучается фотонами с энергией, превышающей ширину запрещенной зоны полупроводника, образуется новая пара неравновесных носителей электрического заряда – электрон и дырка. Электрическое поле p-n перехода разделяет в пространстве образующиеся при поглощении фо- тонов электронно-дырочные пары, и тем самым создает фото-ЭДС между смежными областями полупроводникового кристалла (фотовольтаический эффект). За счет этого образуется электрический ток (фототок), вызванный потоком электронов во внешней цепи. Таким образом, в полупроводнико- вых фотоприемниках световой поток управляет обратным током, протека- ющим через p-n переход, т. е. реализуется принцип регистрации изменения концентрации неосновных носителей заряда под воздействием внешнего оптического излучения. Фотовольтаический эффект также используется для выработки электроэнергии солнечными батареями.
Полупроводниковые фотоприемники широко используются в прием- ных оптических модулях волоконно-оптических систем передачи (ВОСП).
В качестве сигналов, несущих информацию в ВОСП, используется инфра- красное оптическое излучение. В полупроводниковых фотоприемниках
(фотодиодах) входные оптические сигналы преобразуются в выходные электрические сигналы, которые затем поступают в приемную информа- ционную систему.
Для активного усвоения материала с использованием лабораторной работы «Фотовольтаический эффект» учащимся предлагается выполнить ряд виртуальных экспериментов. Интерактивная программа сопровождает- ся краткой теорией, а также руководством для пользователя. Для оценки степени усвоения изученного материала предусмотрено выполнение тесто- вых заданий.

254
ВОССТАНОВЛЕНИЕ БИНОКУЛЯРНОГО ЗРЕНИЯ
С ИСПОЛЬЗОВАНИЕМ VR-ТЕХНОЛОГИЙ
Черненко Г. В.
ФГАОУ ВО «Южный федеральный университет»,
Институт математики, механики и компьютерных наук
им. И. И. Воровича
E-mail: glchernenko1@gmail.com
В данной работе рассматриваются причины дисфункции бинокуляр- ного зрения, способы диагностики, проблемы восстановления бинокуляр- ного зрения у детей, а также способы адаптации методов диагностики би- нокулярного зрения в VR.
Бинокулярное зрение — способность одновременно видеть изображе- ние предмета обоими глазами. Благодаря этому человек может лучше определять расстояние до объекта и местоположение объекта в простран- стве. В отсутствие бинокулярного зрения определение положение и рас- стояния до объектов производится благодаря следующим механизмам:
⦁
На основе знаний примерного размера объекта и понятия перспек- тивы.
⦁
На основе выцветания цветов (работает только на дальние объек- ты). Например, цвет листьев деревья вдали менее насыщенные, чем листва близлежащих деревьев.
Невзирая на существование механизмов определения расстояния до объектов без использования стерео зрения, человеческий мозг не может выполнять данную задачу в надлежащем качестве, основываясь лишь на вспомогательных механизмах. Вследствие чего ухудшается качество жиз- ни людей с отсутствующим бинокулярным зрением [1, 2].
В качестве основного метода диагностики был выбран ―Четырехто- чечный тест‖ [3]. Испытуемому транслируется определенное изображение на левый и правый глаз. А именно два красных квадрата и круг для левого глаза, и круг и треугольник зеленого цвета для правого глаза. В зависимо- сти от того, что увидит испытуемый можно определить тип зрение. Если наблюдатель увидит четыре фигуры, где круг будет желтого цвета, то ис- пытуемый обладает бинокулярным зрением без ведущего глаза, если круг имеет четкий зеленый или же красный цвет, то у испытуемого бинокуляр- ное зрение с ведущем правым или левым глазом соответственно. Если наблюдатель видит меньше четырех фигур, то у него монокулярное зре- ние, а если больше четырех, то одновременное зрение. Также в метод диа- гностики была добавлена возможность сдвигать изображение на вектор,

255 заданный пользователем, благодаря этому возможно не только определить тип зрения, но и узнать вектор отклонение при одновременном зрении.
Для реализации данного теста, был выбран игровой движок Unity. Для разделения итоговой сцены на изображения, предназначенные для левого и правого глаза, был реализован шейдер, принимающий на вход информа- цию о цвете, а также информацию на какой глаз транслировать изображе- ние. В зависимости от входных данных изменяется альфа-канал изображе- ния для определенного глаза. С примером работы можно ознакомиться на рисунке 1.
Для определениеятекущего глаза рендеринга изображения (изображе- ние для каждого глаза транслируется отдельно) используется встроенная переменная unity_StereoEyeIndex.
Значение unity_StereoEyeIndex равно 0 для рендеринга для левого глаза и 1 для рендеринга для правого глаза.
Рис. 1. Пример работы приложения (левая и правая половина экрана – это изображение для левого и правого глаза соответственно)
Основной проблемой классических методов восстановления биноку- лярного зрения является удержание детского внимания в процессе лече- ния, поскольку пациент должен быть полностью погружѐн в процесс лече- ния длительное время. Классические методы восстановления бинокуляр- ного зрения не способствуют этому. Для вовлечения детей в процесс вос- становления лучше всего подходит игровая форма лечения, а также диа- гностика, которую может обеспечить VR. Был реализован прототип про- граммы для диагностики бинокулярного зрения в VR, в ходе тестирования