Transfer danych do środowiska GIS

Dane zebrane w trakcie kampanii pomiarowej były przetwarzane i agregowane z wykorzystaniem zarówno standardowych narzędzi informatycznych (nierelacyjne bazy danych typu NoSQL), pakietów GIS i narzędzi statystycznych, jak i autorskich skryptów opracowanych głównie w językach python i C++. Istotną rolę w procesie konwersji i integracji danych odgrywała również zmiana układu współrzędnych. Dane w postaci nagrań wideo rejestrowanych przez kamery były lokalizowane w lokalnym, płaskim układzie współrzędnych wyznaczonym przez obiektyw kamery. Dzięki zastosowaniu punktów transformacji (około 100 punktów pomiarowych dla każdej kamery - rys. 1) możliwe było wykonanie nieliniowej konwersji współrzędnych do państwowego układu współrzędnych geodezyjnych PUW 2000 (strefa 7) oraz integracja danych pomiarowych z bazą danych przestrzennych GIS. Współrzędne punktów transformacji zostały wyznaczone metodami geodezyjnymi. W celu zautomatyzowania procesu konwersji współrzędnych opracowano zestaw 7 nieliniowych sieci neuronowych typu MLP, które po wytrenowaniu zostały zapisane w postaci skryptów C++ i wykorzystane w procesie konwersji.

W celu ujednolicenia procesu analizy danych wynikowych opracowano zestaw kwadratowych pól podstawowych o bokach 2-metrowych, które zostały nałożone na treść topograficzną w bazie danych przestrzennych. Uzyskane w procesie rozpoznawania ruchów obiektów pliki w formacie json (patrz fragment poniżej) zostały następnie przekonwertowane do bazy danych Mongo DB, gdzie analizowano intensywność wykorzystania poszczególnych pól podstawowych przez obiekty piesze/rowerowe/samochodowe w różnych interwałach czasowych. W celu weryfikacji wyników uzyskanych z analizy obrazu, informacje te zostały porównane z zestawionymi informacjami o liczbie przejść przez belki dla 6 czujników IoT zlokalizowanych na terenie kampusu.