Тип транспортного средства классификация: Классификация транспортных средств по категориям

Классификация транспортных средств по категориям

6.1. К транспортным средствам повышенной проходимости (категории G) могут быть отнесены транспортные средства категорий M и N, если они удовлетворяют следующим требованиям:

6.1.1. Транспортные средства категории N1, технически допустимая максимальная масса которых не более 2 т, а также транспортные средства категории M1 считают транспортными средствами повышенной проходимости, если они имеют:

6.1.1.1. Хотя бы одну переднюю и одну заднюю оси, конструкция которых обеспечивает их одновременный привод, включая и транспортные средства, в которых привод одной оси может отключаться;

6.1.1.2. Хотя бы один механизм блокировки дифференциала или один механизм аналогичного действия, и

6.1.1.3. Если они (в случае одиночного транспортного средства) могут преодолевать подъем 30%.

6.1.1.4. Они также должны удовлетворять хотя бы пять из шести приведенных ниже требований:

6.1.1.4.1. Угол въезда должен быть не менее 25°;

6.1.1.4.2. Угол съезда должен быть не менее 20°;

6.1.1.4.3. Продольный угол проходимости должен быть не менее 20°;

6.1.1.4.4. Дорожный просвет под передней осью должен быть не менее 180 мм;

6.1.1.4.5. Дорожный просвет под задней осью должен быть не менее 180 мм;

6.1.1.4.6. Межосевой дорожный просвет должен быть не менее 200 мм.

6.1.2. Транспортные средства категории N1, технически допустимая максимальная масса которых свыше 2 т, или транспортные средства категорий N2, M2 или M3, технически допустимая максимальная масса которых не более 12 т, считают транспортными средствами повышенной проходимости, если их конструкция обеспечивает одновременный привод всех колес, включая транспортные средства, в которых привод одной оси может отключаться, либо если они удовлетворяют следующим требованиям:

6. 1.2.1. По меньшей мере, одна передняя и одна задняя оси имеют одновременный привод, включая и транспортные средства, в которых привод одной оси может отключаться;

6.1.2.2. Имеется, по меньшей мере, один механизм блокировки дифференциала или один механизм аналогичного действия;

6.1.2.3. Транспортные средства (в случае одиночного транспортного средства) могут преодолевать подъем 25%.

6.1.3. Транспортные средства категории M3, технически допустимая максимальная масса которых свыше 12 т, и транспортные средства категории N3 (за исключением седельных тягачей) считают транспортными средствами повышенной проходимости, если они имеют одновременный привод всех колес, включая транспортные средства, в которых привод одной оси может отключаться, либо если соблюдаются следующие требования:

6.1.3.1. По меньшей мере, половина осей имеет привод;

6. 1.3.2. Имеется, по меньшей мере, один механизм блокировки дифференциала или один механизм аналогичного действия;

6.1.3.3. Транспортные средства (в случае одиночного транспортного средства) могут преодолевать подъем 25%;

6.1.3.4. Соблюдаются, по меньшей мере, четыре из шести следующих требований:

6.1.3.4.1. Угол въезда должен быть не менее 25°;

6.1.3.4.2. Угол съезда должен быть не менее 25°;

6.1.3.4.3. Продольный угол проходимости должен быть не менее 25°;

6.1.3.4.4. Дорожный просвет под передней осью должен быть не менее 250 мм;

6.1.3.4.5. Межосевой дорожный просвет должен быть не менее 300 мм;

6.1.3.4.6. Дорожный просвет под задней осью должен быть не менее 250 мм.

6. 2.2. Специальные и специализированные транспортные средства, изготовленные на базе (шасси) транспортных средств категории G, относятся к категории G, если они удовлетворяют требования подпункта 1.2.1 выше.

6.2.3. При обозначении категории транспортных средств повышенной проходимости буква G должна сочетаться с буквами M или N (например, N1G).

 

Как определить тип транспортного средства. УФНС разъясняет

В связи с поступающими от налогоплательщиков запросами по вопросу отнесения транспортных средств семейства ГАЗ, УАЗ к типу грузовых либо легковых автомобилей, Управление ФНС России по Свердловской области сообщает.
В соответствии со статьей 362 Налогового кодекса Российской Федерации (далее – Кодекс) исчисление транспортного налога производится на основании сведений, которые представляются в налоговые органы органами, осуществляющими государственную регистрацию транспортных средств на территории Российской Федерации.
Согласно разъяснениям Министерства транспорта Российской Федерации в настоящее время установление типа транспортного средства производится органом по сертификации при выдаче «одобрения типа транспортного средства» в соответствии с Правилами по проведению работ в системе сертификации механических транспортных средств и прицепов, утвержденными постановлением Госстандарта России от 01.04.1998 № 19 и зарегистрированными в Минюсте России 15.05.1998 № 1522, а также другими нормативными документами системы сертификации механических транспортных средств и прицепов.

При определении типа транспортного средства органом сертификации учитываются технические характеристики и особенности конструкции и используется классификация, установленная Комитетом по внутреннему транспорту Европейской экономической комиссии ООН (далее – КВТ ЕЭК             ООН), и ГОСТом Р 51709-2001, принятым и введенным постановлением Госстандарта России от 01.02.2001 № 47-ст.
Категории транспортных средств, установленные пунктом 5 приложения 6 Конвенции о дорожном движении, заключенной в Вене 08. 11.1968 года (далее — Конвенция), определены для выдачи соответствующих удостоверений на управление такими транспортными средствами.

В соответствии с Положением о паспортах транспортных средств и паспортах шасси транспортных средств, утвержденным приказом МВД России № 496 (далее – Положение о ПТС), Минпромэнерго России № 192, Минэкономразвития России № 134 от 23.06.2005, зарегистрированным в Минюсте России 29.07.2005 № 6842, в строке 4 «Категория ТС (А,В,С,Д, прицеп) паспорта транспортного средства указывается категория, которая соответствует классификации транспортных средств.
Как следует из п. 28 Положения о ПТС, определение категории транспортных средств осуществляется по классификации КВТ ЕЭК ООН.
Указание в паспорте транспортного средства, например, категории «В» еще не свидетельствует о том, что транспортное средство является легковым.
При определении видов транспортных средств и отнесении их к тому или иному типу рекомендуем руководствоваться системой обозначения автотранспортных средств (АТС), принятой нормалью ОН 025 270-66 (далее – Нормаль) и отраженной в документе «Нормы расхода топлива и смазочных материалов на автомобильном транспорте», утвержденном Минтрансом РФ от 29. 04.2003 года.
В соответствии с Нормалью АТС присваиваются обозначения в соответствии с заводскими реестрами, включающими как буквенные обозначения завода-изготовителя, так и порядковый номер модели. Так, 2-я цифра индекса обозначает тип АТС.
 Например, по специальным автомобилям (инкассация, специализированный бронеавтомобиль): ДИСА-29521 (на шасси ГАЗ-2752), КОНАЛЮ-2928, КОНАЛЮ-330-20, по автомобилям ГАЗ 274700, 274711, 274712, 274713 – цифры 27, 29, 33 согласно Нормали, указывают на то, что их эксплуатационное назначение как специальных, относится к грузовым автомобилям.
В отношении автомобилей семейства УАЗ, согласно информации завода-изготовителя от 25.09.2006 № 05-1694/12 автомобилю УАЗ-469Б после модернизации 1985-1988г.г. было присвоено обозначение УАЗ-31512-01. В период до 1993 года автомобили семейства УАЗ сертификации не подвергались.
Начиная с 1993 года по настоящее время автомобиль УАЗ-31512-01 сертифицируется по категории М1G «Механические транспортные средства для перевозки пассажиров, имеющие не более 8 мест для сидения (кроме места водителя), пригодные для движения по бездорожью».
По транспортному средству УАЗ-31512-01 цифра 31 согласно Нормали указывает на то, что автомобиль УАЗ-31512-01 следует относить к типу легковых.
Ставки транспортного налога зависят от типа транспортного средства и не зависят от категории автомобиля (А,В,С,Д).
При исчислении транспортного налога следует применять ставки, установленные Законом Свердловской области от 29.11.2002 № 43-ОЗ «Об установлении и введении в действие транспортного налога на территории Свердловской области» (с изменениями и дополнениями).

Отдел ресурсных, имущественных и прочих налогов

Категории транспортных средств на 2021 год в таблице: классификация

Общий подвижной состав современного автомобильного транспорта сейчас представляет собой достаточно широкий и разнообразный ассортимент средств передвижения.

Каждый автомобиль представляет собой уникальный по назначению и по общим характеристикам транспортное средство.

Чтобы эффективно упорядочить и классифицировать средства передвижения, было принято определенное количество критериев, которые одновременно являются индивидуальными характерными особенностями каждого автомобиля.

Именно на основании данных особенностей, средства передвижения можно разделить на группы, которые обладают общими характеристиками и свойствами.

Дорожные транспортные средства

Для выделения области транспортных автомобильных средств, принадлежащих данной категории, был установлен «дорожный транспорт». Это подразделение выделило из всей гаммы автомобилей те машины, что эксплуатируются строго на автомобильных трассах общего пользования.

За рамками данной категории находятся все остальные виды безрельсового транспорта, что по своим размерам и массе не предназначен для трасс обычного общественного использования. Сюда можно отнести разные виды карьерного транспорта, вездеходы, шахтные тягачи и аэродромные.

Действующими правилами дорожного движения для автомобилей, относящимся к категории транспортных средств, предусмотрены специальные габаритные параметры:

1. По высоте до 4 метров от трассы.
2. По длине не больше 12 метров для грузового авто, троллейбуса и автобуса. Не больше 15,18 метров для сочлененных троллейбусов и автобусов.
3. По ширине не больше 2,6 метров для средств передвижения, оснащенных изотермическим кузовом. Для авто категории КрАЗ, лесовозов МАЗ-509А или МАЗ-543 – не более 2,63. Для всех остальных средств передвижения данный параметр не должен превышать 2,55 метра.
4. Длина все автопоезда в целом не должна превышать 20 метров.

Все это основные параметры, присущие современным автомобилям, относящимся к категории дорожных средств передвижения. Классификация транспортных средств по категориям проводится по типу, по назначению.

Классификация транспорта по типам

На данный момент все чаще применяется классификация по типу автомобилей. Это не просто распределение, но официальное решение, которое используется во всех нормативных бумагах и документов – государственные стандарты, ПДД и так далее.

Одновременно с этим классификация используется в процессе регистрации современных транспортных средств.

Механические транспортные средства

В качестве общего функционального подразделения средств передвижения используется категория установленного двигателя.

На этом основании современные транспортные средства подразделяются на механические, оснащенные двигателем, а также буксируемые, не имеющие подобного.

Механическое и одно или несколько буксируемых автомобилей в состоянии создать специальное комбинированное средство. На официальном языке он имеет название автопоезд.

Данная конструкция состоит из самого ведущего автомобиля и соединенных с ним одного или нескольких прицепов.

Современные механические транспортные средства можно разделить на следующие виды:

1. Стандартные автомобили.
2. Мототранспорт средства.
3. Тракторы.

Автомобили представляют собой современные механические транспортные средства, приводимые в движение определенным источником энергии. Среди иных важных характеристик современных авто можно отметить:

• наличие не менее четырех колес, расположенных на двух осях;
• средство передвижения предназначено для движения по дорогам без рельсов;
• автомобили могут использоваться, как для перевозки грузов, так и для перемещения людей. Из можно использовать для выполнения специальных работ.

Термин «автомобили» распространяется на средства передвижения, у которых двигатели питаются от постоянного электрического тока, идущего по подвесной контактной сети, если это троллейбусы. Также это могут быть особые трехколесные автомобили, общая масса которых не больше 400 кг.

В общую снаряженную массу входит вес таких элементов, как:

1. Полная отгрузочная масса автомобиля.
2. Объем охлаждающей жидкости.
3. Вес смазочных материалов.
4. Масса жидкости стеклоомывателя.
5. Вес топлива, то есть бака, наполненного не менее чем на 90% от установленной номинальной объемной вместимости.
6. Масса запасных колес, огнетушителей, инструментов и запасных частей.

Современные мототранспортные средства представляют собой специальные одноколейные двухколесные механические средства передвижения.

Что касается тракторов, то это механические транспортные средства, которые используются для реализации тягового или напорного усилия посредством надежно смонтированного в нем оборудования.

Буксируемые средства передвижения

Современные буксируемые транспортные средства можно подразделить на прицепы и на полуприцепы.

В первом случае это транспортные средства, не имеющая двигателя или груза, у которого вертикальная нагрузка передается на всю опорную поверхность через установленные колеса. Прицепы по своей конструкции приспособлены для буксирования автомобилями.

Полуприцепы – это те же прицепы, что по особенностям своей конструкции предназначены для применения одновременно с седельным тягачом. Часть общего веса передается в этом случае на седельный тягач через сцепное седельное приспособление.

Классификация автомобилей по категориям

Современная классификация автомобилей по категориям является более точной и четкой. Данная форма распределения полностью соответствует общей сводной резолюции подразделения автомобилей от ЕЭК ООН.

На основании данной квалификации ко всем транспортным средствам предъявляются особые нормативные правовые акты. Подразделение на категории осуществляется следующим образом.

Категории ТС по техническому регламенту L, M, O, заслуживает особого внимания. Это механические средства передвижения, которые имеют четыре и более колеса. В категорию О входят прицепы и полуприцепы, которые также распределяются на определенные категории.

Подразделение на данные категории в таблице выглядит следующим образом:

Подразделение категории	Характеристики
L1	Современное двухколесное средство передвижения, где рабочий объем двигателя не превышает 50 см3, а максимальная скорость достигает 50 км/час
L2	Трехколесное транспортное средство с разным положением колес. Объем двигателя при внутреннем сгорании не превышает 50 см3, а уровень максимальной скорости не выше 50 км/час
L3	Мотоциклы или двухколесные средства передвижения с двигателем объемом 50 см3 и максимальным уровнем скорости не более 50 км/час
L4	Мотоциклы с коляской, то есть средство передвижения, оснащенное тремя колесами. Двигатель имеет мощность 50 см3, а максимальная скорость при расчете превышает 50 км/час
L5	Средства передвижения категории трициклы. Колеса у них расположены симметрично относительно продольной плоскости. Параметры скорости и объема двигателя здесь являются стандартными
L6	Легкие квадроциклы, имеющие четыре колеса. Ненагруженная масса данных средств передвижения не превышает 350 кг. При этом не принимается во внимание вес аккумуляторов. Расчетный максимальный уровень скорости не превышает 50 км/час
L7	Квадроциклы, то есть четырехколесные средства передвижения, масса которых колеблется от 400-550 кг. Мощность двигателя данных транспортных средств не превышает 15 кВт
M1	Средства передвижения, которые используются для транспортировки пассажиров
M2	Средства, которые перевозят пассажиры или небольшой груз до 5 тонн
M3	Машины, способные перевозить груз более 5 тонн
N1	Средства, используемые для перевозки груза массой до 3,5 тонн
N2	Автомобили, предназначенные для перевозки грузов. Максимальная масса при этом может быть больше 3,5 тонн, но не должны быть выше 12 тонн
N3	Средства передвижения, предназначенные для перевозки груза, масса которых по максимуму может быть немного выше 12 тонн
O1	Прицепы до 0,75 тонн
O2	Конструкции, больше по массе показатели 0,75 тонн, но не больше 3,5 тонн
O3	Прицепы, максимальная масса которых может превышать 3,5 тонны, но не больше 10 тонн
O4	Прицепы, по массе превышающие показатели 10 тонн

Классификация авто по назначению

Все современные авто подразделяются на признаки по их основному назначению. Транспортные средства служат для перевозки пассажиров или для перевозки грузов в виде специального оборудования.

Существует две основные категории авто:

• пассажирские;
• предназначенные для транспортировки грузов.

Современные пассажирские автомобили – это средства передвижения, конструкция которых и оснащение предназначены для перевозки определенного количества пассажиров и багажа. При этом пассажирам обеспечивается высокий уровень комфорта и оптимальной безопасности.

Если в авто количество пассажирских мест не превышает девяти вместе с местом водителя, это легковое авто, если количество мест более девяти, то это уже автобус.

Грузовые авто – это транспортные средства, шасси которого используются для перевозки особого строительного оборудования – автовышка, автокран или буровые установки. Также перевозиться может особый груз – бетоносмеситель и автоцистерны.

Современные грузовые авто оснащены специальными средствами погрузки и разгрузки, что делает их более функциональными.

Для транспортировки груза могут использоваться специальные тягачи – простые или седельные. Свою функцию они производят свою функцию при помощи буксирования полуприцепов и простых прицепов.

Также в данной категории присутствует несколько промежуточных автомобилей, каждый из которых отличается своими индивидуальными особенностями.

Среди самых популярных средств передвижения можно отметить:

• одноэтажные автобусы с общим количеством мест не больше 17 вместе с водительским местом. Это современные микроавтобусы;
• транспортное средство, которое по оснащению и по конструкции предназначено для перевозки груза и пассажиров. Есть комбинированные средства передвижения — грузопассажирские;
• прицепы, предназначенные для применения в обычных дорожных условиях. Они могут быть использованы в качестве мобильного жилого помещения.

Особого внимания в данном случае заслуживает расчет количества пассажирских сидений. Подобные места учитываются только в случае наличия у них специальных креплений.

К доступным для пассажира креплениям относятся механизмы, которые используются строго для установки сидений. Особое внимание уделяется методу их крепления.

Металлические основания в этом случае должны быть тщательно приварены, важно полное исключение возможности их снятия посредством стандартных инструментов.

Транспортные средства могут быть разделены на виды не только по общему назначению, но также по специальным категориям. Здесь используются особые буквенные обозначения.

Заключение

Распределение транспортных средств на категории и подкатегории очень важно. При государственном техосмотре довольно часто возникают ситуации, когда требуется установить точное соответствие между категориями и типами автомобилей.

Все данные сверяются с информацией, внесенной в регистрацию базу ГАИ.

Подпишись на наш Телеграм-канал https://t.me/pravoauto чтобы быть в курсе новых штрафов и других изменений автомобильного законодательства.

Вас заинтересует:

Классификация транспортных средств — Академтранс

При расчёте ставки утилизационного сбора используются класс и категории транспортных средств. Данный тип классификации приведен в межгосударственном ГОСТ «31286-2005 Транспорт дорожный».

 

Категория М – механические транспортные средства, имеющие не менее четырех колес и используемые для перевозки пассажиров:

М1: транспортные средства, используемые для перевозки пассажиров, имеющие кроме места водителя не более восьми мест для сидения; М2: транспортные средства, используемые для перевозки пассажиров, имеющие кроме места водителя более восьми мест для сидения, максимальная масса которых непревышает 5 т; М3: транспортные средства, используемые для перевозки пассажиров, имеющие кроме места водителя более восьми мест для сидения, максимальная масса которых превышает 5 т;

N – механические транспортные средства, имеющие не менее четырех колес и предназначенные для перевозки грузов:

N1: транспортные средства, предназначенные для перевозки грузов, максимальная масса которых не превышает 3,5т; N2: транспортные средства, предназначенные для перевозки грузов, максимальная масса которых превышает 3,5 т, но непревышает 12 т; N3: транспортные средства, предназначенные для перевозки грузов, максимальная масса которых превышает 12 т;

G – транспортные средства повышенной проходимости.

 

Совет Министров Республики Беларусь назначил органы, которые будут уполномочены взимать утилизационный сбор с физических и юридических лиц. Плательщиком признают также лиц производящих и продающих автомобили на территории страны.

 

При ввозе автомобилей взимать сбор будет Государственный таможенный комитет Республики Беларусь. Министерство по налогам и сборам будет взимать утилизационный сбор с автотранспорта, произведённого на территории Беларуси.

 

Классификация типов транспортных средств в режиме реального времени с помощью глубоких сверточных нейронных сетей

1.

Се, Дж. У., Чен, Л.С., Чен, Д.Ю. и др .: Распознавание марок и моделей автомобилей с использованием симметричной поверхности. В: 10-я Международная конференция IEEE по расширенному видеонаблюдению и видеонаблюдению (AVSS), 2013, стр. 472–477 (2013)

2.

Донг, З. , Ву, Ю., Пей, М. и др .: Классификация типов транспортных средств с использованием полууправляемой сверточной нейронной сети. В: Транзакции IEEE по интеллектуальным транспортным системам, стр.2247–2256 (2015)

3.

Лай, А.Х. Фунг, Г.С., Юнг, Н.Х .: Классификация типов транспортных средств на основе визуальной оценки размеров. В: Proceedings of the IEEE Intelligent Transportation Systems Conference, pp. 201–206 (2001)

4.

Гупте, С., Масуд, О., Мартин, Р.Ф. и др .: Обнаружение и классификация транспортных средств. IEEE Trans. Intell. Трансп. Syst. 3 (1), 37–47 (2002)

Статья Google ученый

5.

Сарави, С., Эдирисингхе, Э.А.: Распознавание марки и модели автомобиля в кадрах видеонаблюдения. В: 18-я Международная конференция по цифровой обработке сигналов (DSP), 2013, стр. 1–6 (2013)

6.

Foresti, GL, Murino, V., Regazzoni, C .: Распознавание и отслеживание транспортных средств по последовательностям изображений дороги . IEEE Trans. Veh. Technol. 48 (1), 301–318 (1999)

Артикул Google ученый

7.

Джанг, Д.М., Тюрк, М.: Car-rec: система распознавания автомобилей в реальном времени. В: Семинар IEEE 2011 по приложениям компьютерного зрения (WACV), Кона, штат Гавайи, США, стр. 599–605 (2011)

8.

Тонг, Б., Фан, Б., Ву, Ф .: Сверточный нейронные сети с нейро-каскадным классификатором для обнаружения пешеходов. В: Китайская конференция по распознаванию образов, 2016 г., стр. 243–257. Springer Nature Singapore Pte Ltd

9.

Томе Д., Монти Ф., Бароффо Л. и др.: Нейронные сети с глубокой сверткой для обнаружения пешеходов.Сигнальный процесс. Image Commun. 47 , 482–489 (2016)

Артикул Google ученый

10.

Сарфраз, С.М., Саид, А., Хан, М.Х. и другие. Байесовские предшествующие модели для распознавания марки и модели автомобиля. В: Материалы 7-й Международной конференции по границам информационных технологий, стр. 35: 1–35: 6. ACM, Нью-Йорк (2009)

11.

Рамнат К., Сяо Э. и др.: Распознавание марок и моделей автомобилей с использованием выравнивания трехмерной кривой.В: Зимняя конференция по применению компьютерного зрения, стр. 285–292 (2014)

12.

Алонсо, Д., Сальгадо, Л. и др.: Надежное обнаружение транспортных средств с помощью многомерной классификации для бортовых систем на основе видео. В: Международная конференция IEEE по обработке изображений, стр. 4: IV – 321 – IV – 324 (2007)

13.

Чанг, W.C., Чо, C.W .: Онлайн-бустинг для обнаружения транспортных средств. IEEE Trans. Syst. Человек Кибернет. Часть B (Кибернетика) 40 (3), 892–902 (2010)

Статья Google ученый

14.

Чжан Ф .: Обнаружение автомобилей и классификация типов транспортных средств на основе глубокого обучения. Университет Цзянсу, Цзянсу (2016)

15.

Чжан, Ф., Сюй, X, Цяо, Й .: Глубокая классификация производителей и моделей автомобилей: эффективность предварительного обучения и улучшения данных. В: Международная конференция IEEE по робототехнике и биомиметике (ROBIO), 2015 г., стр. 231–236 (2015)

16.

Гу, Дж., Ван, З., Куен, Дж. И др .: Последние достижения в области сверточных технологий. Нейронные сети. Препринт arXiv arXiv: 1512.07108 [cs.CV] (2016)

17.

LeCun, Y., Boser, B., Denker, J.S., и др .: Обратное распространение применяется для распознавания рукописного почтового индекса. Neural Comput. 1 (4), 541–551 (1989)

Артикул Google ученый

18.

Крижевский А., Суцкевер И., Хинтон Г .: Классификация Imagenet с глубокими сверточными нейронными сетями. В: Neural Information Processing Systems (NIPS), pp. 1097–1105 (2012)

19.

Хе, К., Чжан, X., Рен, С., Сан, Дж .: Объединение пространственных пирамид в глубокие сверточные сети для визуального распознавания. В: Европейская конференция по компьютерному зрению (ECCV) (2014)

20.

Гиршик, Р: Fast R-CNN. В: Материалы Международной конференции IEEE по компьютерному зрению (ICCV) (2015)

21.

Цайлер, доктор медицины, Фергус, Р .: Визуализация и понимание сверточных сетей. В: Proceedings of Computer Vision-ECCV 2014. Springer, pp 818–833 (2014)

22.

Рен, С., Хе, К., Гиршик, Р. и др .: Более быстрый R-CNN: к обнаружению объектов в реальном времени с помощью сетей предложения регионов. В: Proceedings of Advances in Neural Information Processing Systems, pp. 91–99 (2015)

23.

Ren, S .: Эффективное обнаружение объектов с совместным использованием функций. Университет науки и технологий Китая, Хэфэй (2016)

Google ученый

(PDF) Автоматическая классификация типов транспортных средств с помощью сверточных нейронных сетей

ТАБЛИЦА IV.СРАВНЕНИЕ РЕЗУЛЬТАТОВ НАШЕЙ МОДЕЛИ И

ДРУГИХ МЕТОДОВ В НАБОРЕ ДАННЫХ BIT-VEHI CL E

Точность методов (%) Метод

Santos, Souza & Marana [22] 80,62 Машина Boltzmann Bas

¸er & Altun [23] 81,83 Каскадный классификатор Хаара

Dong et al. [2] 88.11 Сверточная сеть

Sun et al. [24] 90.10 KNNPC + DSRC

Bai, Liu & Yao [25] 91.08 Машина опорных векторов

Наша 93.90 Сверточная сеть

Мы предполагаем, что использование глубокой сверточной сети

может оптимизировать ее параметры, чтобы научиться различать и

надежных функций для классификации транспортных средств даже в изображениях с низким разрешением

.В дополнение к глубине сети,

интенсивное использование увеличения данных и других методов регуляризации

предотвращает чрезмерную адаптацию модели и приводит ее к лучшему обобщению

, уменьшая ошибку.

VI. ЗАКЛЮЧЕНИЕ

В этой статье мы предложили модель для классификации типа транспортного средства

из изображений фронтального обзора с использованием сверточной нейронной сети

. Сверточный этап модели принимает

изображение транспортного средства с низким разрешением в качестве входных данных и выводит

скорректированных характеристик в качестве входных данных для полностью подключенной стандартной сети

, которая выводит вероятность каждого класса транспортного средства

.

Как показали экспериментальные результаты на наборе данных о транспортном средстве BIT-

, параметры модели, скорректированные сетью

, являются дискриминационными и хорошо обобщаются даже для изображений с низким разрешением

, демонстрируя эффективность предлагаемых

модель. Эта характеристика может быть полезна для ее использования после обучения

во встроенную интеллектуальную систему дорожного движения с низкой доступной вычислительной мощностью

, такую ​​как интеллектуальные светофоры, дорожные знаки

или дорожные радары; и, таким образом, улучшая время отклика

,

и решения, принимаемые системой.

СПИСОК ЛИТЕРАТУРЫ

[1] Р. Селиски, Компьютерное зрение: алгоритмы и приложения, 1-е изд.

Нью-Йорк, Нью-Йорк, США: Springer-Verlag New York, Inc., 2010.

[2] З. Донг, Ю. Ву, М. Пей и Ю. Цзя, «Классификация типа транспортного средства с использованием

a. полууправляемая сверточная нейронная сеть, IEEE Transactions

по интеллектуальным транспортным системам, т. 16, нет. 4, pp. 2247–2256,

August 2015.

[3] С. Гупте, О. Масуд, Р. Ф. К. Мартин и Н.Папаниколопулос П., «Обнаружение и классификация транспортных средств De-

», IEEE Transactions on Intelligent

Transportation Systems, vol. 3, вып. 1, pp. 37–47, March 2002.

[4] З. Чжан, Т. Тан, К. Хуанг и Ю. Ван, «Трехмерная локализация и распознавание дорожных транспортных средств на основе деформируемых моделей

. , ”

IEEE Transactions on Image Processing, vol. 21, нет. 1, pp. 1–13,

January 2012.

[5] П. Джи, Л. Джин и X. Ли, «Классификация типов транспортных средств на основе зрения

с использованием частичного банка фильтров габора», в IEEE International. Конференция по автоматизации и логистике

, август 2007 г., стр.1037–1040.

[6] М. Цзян и Х. Ли, Классификация транспортных средств на основе иерархической машины опорных векторов

. Springer International Publishing, 2014, стр.

593–600.

[7] К. Фукусима, «Неокогнитрон: модель самоорганизующейся нейронной сети

для механизма распознавания образов, не подверженного изменению положения»,

Биологическая кибернетика, т. 36, нет. 4, pp. 193–202, April 1980.

[8] Т. Серр, Л. Вольф, С. Билески, М. Ризенхубер и Т.Поджио, «Надежное распознавание объектов

с корковыми механизмами», IEEE Transactions on

Pattern Analysis and Machine Intelligence, vol. 29, нет. 3, pp. 411–426,

January 2007.

[9] Y. Lecun, Стратегии обобщения и проектирования сетей. Zurich,

Switzerland: Elsevier, 1989.

[10] I. Goodfellow, Y. Bengio и A. Courville, Deep Learning. MIT

Press, 2016 г., http://www.deeplearningbook.org.

[11] Б. Селбес и М.Серт, «Классификация типов мультимодальных транспортных средств с использованием сверточной нейронной сети

и статистических представлений MFCC»,

на 14-й Международной конференции IEEE по усовершенствованному видео и сигналу

на основе наблюдения (AVSS), Лечче, Италия, август 2017 г. , стр. 1 –6.

[12] А. Крижевский, И. Суцкевер и Г. Э. Хинтон, «Классификация Imagenet

с глубокими сверточными нейронными сетями», в Advances in NeuralInfor-

Системы обработки данных 25, F.Pereira, C. J. C. Burges, L. Bottou,

и K. Q. Weinberger, Eds. Curran Associates, Inc., 2012, стр. 1097–

1105.

[13] К. Сегеди, В. Лю, Ю. Цзя, П. Серманет, С. Рид, Д. Ангелов, Д. Эрхан,

В. Ванхаук и А. Рабинович, «Углубление с помощью сверток», в

Компьютерное зрение и распознавание образов (CVPR), Бостон, Массачусетс, США,

июнь 2015 г.

[14] П.К. Ким и К.Т. Лим , «Классификация типов транспортных средств с использованием упаковки

и сверточной нейронной сети на мультиэкранном изображении наблюдения»,

в конференции IEEE по компьютерному зрению и распознаванию образов

Workshops (CVPRW), Гонолулу, Гавайи, США, июль 2017 г., стр.914–919.

[15] К. Симонян и А. Зиссерман, «Очень глубокие сверточные сети для распознавания крупномасштабных изображений

», Международная конференция по обучению

репрезентаций, май 2015 г.

[16] Д.К. Чиресян, М. Ули, Дж. Маски, Л. М. Гамбарделла и Дж. Шмид —

Хубер, «Гибкие, высокопроизводительные сверточные нейронные сети для классификации изображений

», в Трудах двадцать второй международной

совместной конференции по искусственному интеллекту — Том Том второй.

Барселона, Каталония, Испания: AAAI Press, 2011, стр. 1237–1242.

[17] AL Maas, AY Hannun и AY Ng, «Нелинейности выпрямителя

улучшают акустические модели нейронных сетей», в ICML Workshop on Deep

Learning for Audio, Speech and Language Processing, 2013.

[18] Н. Шривастава, Г. Хинтон, А. Крижевский, И. Суцкевер и Р. Салахут —

динов, «Отсев: простой способ предотвратить переобучение нейронных сетей от переобучения

», Journal of Machine Learning Research, вып.15, стр. 1929–

1958, 2014.

[19] Д.П. Кингма и Дж. Ба, «Адам: метод стохастической оптимизации»,

Международная конференция по обучающим представлениям, май 2015 г.

[20] К. Хе, Х. Чжан, С. Рен и Дж. Сан, «Углубляясь в выпрямители:

Превосходя человеческий уровень по классификации изображений», в

2015 Международная конференция IEEE по компьютерному зрению (ICCV),

, декабрь 2015 г., стр. 1026–1034.

[21] X.Глорот и Я. Бенжио, «Понимание сложности обучения нейронных сетей с глубоким упреждающим обращением

», Труды тринадцатой Международной конференции

по искусственному интеллекту и статистике, сер.

Proceedings of Machine Learning Research, Y. W. Teh and M. Titter-

ington, Eds., Vol. 9. Chia Laguna Resort, Сардиния, Италия: PMLR,

, май 2010 г., стр. 249–256.

[22] DFS Santos, GB de Souz и AN Marana, «2d deep boltz-

mann machine for надежная и быстрая классификация транспортных средств», в 2017 г. 30-я конференция

SIBGRAPI по графике, узорам и изображениям (SIBGRAPI) ,

Niter´

oi, RJ, Brazil, October 2017, pp.155–162.

[23] Э. Башер и Ю. Алтун, «Обнаружение и классификация транспортных средств в движении

с использованием каскадного классификатора haar», в материалах 58-й Международной конференции ISERD

, Прага, Чешская Республика, декабрь 2016 г., С.

19–22.

[24] В. Сун, Х. Чжан, С. Ши, Дж. Хэ и Ю. Цзинь, «Распознавание типа транспортного средства —

, объединяющее глобальные и локальные характеристики посредством двухэтапной классификации»,

Математические задачи. в области машиностроения, т.2017, ноябрь 2017 г.

[25] С. Бай, З. Лю и К. Яо, «Классифицируйте автомобили на изображениях дорожного движения

с помощью моделей на основе деформируемых деталей», Машинное зрение и приложения,

, стр. 1 –11, ноябрь 2017 г.

Оптимизированный подход к классификации типов транспортных средств с использованием сверточной нейронной сети

Оптимизированный подход к классификации типов транспортных средств с использованием сверточной нейронной сети

• Шабана Хабиб ¹ , Норин Файяз Хан ^{2, *}

1 Факультет информационных технологий, Компьютерный колледж, Университет Кассим, Бурайд, 51452, Саудовская Аравия,
2 Факультет компьютерных наук, Университет Исламского колледжа, Пешавар, Пакистан
* Автор для переписки: Норин Файяз Хан. Электронная почта:

Поступило 25.11.2020 г .; Принято 02 марта 2021 г .; Выпуск опубликован 24 августа 2021 г.

Аннотация

Классификация типов транспортных средств считается центральной частью интеллектуальной системы дорожного движения. В последние годы глубокое обучение сыграло жизненно важную роль в обнаружении объектов во многих задачах компьютерного зрения. Для изучения высокоуровневых глубоких функций и семантики глубокое обучение предлагает мощные инструменты для решения проблем в традиционных архитектурах, основанных на методах ручного извлечения признаков.В отличие от других алгоритмов, использующих визуальные функции, созданные вручную, сверточная нейронная сеть способна автоматически изучать полезные функции классификации типов транспортных средств. В этом исследовании разрабатывается оптимизированная система автоматического наблюдения и аудита для обнаружения и классификации транспортных средств различных категорий. Трансферное обучение используется для быстрого изучения функций путем записи небольшого количества тренировочных изображений из изображений, полученных при виде спереди автомобиля. Предлагаемая система использует обширные методы увеличения данных для эффективного обучения, избегая при этом проблемы нехватки данных.Для сбора обширной и отличительной информации о транспортных средствах сверточная нейронная сеть настраивается для классификации типов транспортных средств с использованием расширенных данных. Сеть извлекает карты характеристик из всего набора данных и генерирует метку для каждого объекта (транспортного средства) на изображении, что может помочь в обнаружении и классификации типа транспортного средства. Экспериментальные результаты на общедоступном наборе данных и на нашем собственном наборе данных показали, что предложенный метод достаточно эффективен при обнаружении и классификации различных типов транспортных средств.Результаты экспериментов показывают, что предложенная модель обеспечивает точность классификации транспортных средств 96,04%.

Ключевые слова

Классификация автомобилей; сверточная нейронная сеть; глубокое обучение; наблюдение

Цитируйте эту статью

Хабиб, С., Хан, Н. Ф. (2021). Оптимизированный подход к классификации типов транспортных средств с использованием сверточной нейронной сети. CMC-Computers, Materials & Continua, 69 (3) , 3321–3335.

Классификация типов транспортных средств с использованием полууправляемой сверточной нейронной сети

В этой статье авторы предлагают метод классификации типов транспортных средств с использованием полууправляемой сверточной нейронной сети на основе изображений автомобиля спереди. Чтобы собрать обширную и различающую информацию о транспортных средствах, они вводят обучение разреженным лапласовским фильтрам для получения фильтров сети с большими объемами немаркированных данных. Классификатор softmax, выступающий в качестве выходного уровня сети, обучается путем многозадачного обучения с небольшими объемами помеченных данных. Для данного изображения транспортного средства сеть может предоставить вероятность каждого типа, к которому принадлежит транспортное средство. В отличие от традиционных методов, использующих созданные вручную визуальные функции, их метод может автоматически изучать полезные функции для задачи классификации. Изученные функции достаточно различительны, чтобы хорошо работать в сложных сценах. Авторы создают сложный набор данных BIT-Vehicle, включающий 9850 изображений автомобиля с высоким разрешением спереди.Экспериментальные результаты на собственном наборе данных и общедоступном наборе данных демонстрируют эффективность предложенного метода.

• URL записи:
• Наличие:
• Дополнительные примечания:
  • Реферат перепечатан с разрешения IEEE.
• Авторов:
  • Донг, Чжэнь
  • Wu, Yuwei
  • Пей, Минтао
  • Цзя, Юнде
• Дата публикации: 2015-8

Язык

Информация для СМИ

Предмет / указатель терминов

Информация для подачи

• Регистрационный номер: 01580115
• Тип записи: Публикация
• Файлы: TLIB, TRIS
• Дата создания: 5 августа 2015 11:36

Классификация типа транспортного средства

Тип транспортного средства		Цвет номерного знака	Код или номер	Код или номер (новый тип)
Туристический автобус		Красный фон с белыми буквами	Первые две и последние три цифры (или первые три и последние две цифры)	Первые три и последние три цифры
Большой коммерческий легковой автомобиль		Зеленый фон с белыми буквами
Большой грузовой грузовой автомобиль (включая грузовой тягач)
Малый коммерческий грузовик
Грузовой коммерческий тягач
Малый коммерческий пассажирский автомобиль		Белый фон с красными буквами
Большие грузовые частные грузовые автомобили (включая частные грузовые тягачи)		Белый фон с зеленым
Большой частный легковой автомобиль
Коммерческий эвакуатор		Зеленый фон с белыми буквами	Первые две и последние две цифры (Невозможно обработать отчет * Примечание 1)	Первые две и последние три цифры
Частный эвакуатор		Белый фон с зеленым
Небольшой частный пассажирский автомобиль		Белый фон с черными буквами	Первые две и последние четыре цифры (или первые четыре и последние две цифры)	Первые три и последние четыре цифры
Малые грузовые автомобили напрокат
Пригородный транспорт		Желтый фон с черным	Первые две и последние три цифры (или первые три и последние две цифры)	Первые три и последние три цифры
Малый мотоцикл малой грузоподъемности		Белый фон с красными буквами	Первые три и последние три цифры	Первые три и последние четыре цифры
Мотоцикл малой грузоподъемности		Зеленый фон с белыми буквами
Оригинальный сверхмощный мотоцикл		Белый фон с черными буквами
Большой мотоцикл большой грузоподъемности		Желтый фон с черным
550cc и выше Большой мотоцикл большой грузоподъемности	Передний	Красный фон с белыми буквами	Первые две и последние две цифры	Первые две и последние три цифры
	Задний

Матрица отраслевых стандартов транспортных средств для определения моделей автомобилей

Стандартный отраслевой код классификации автомобилей

Члены

ACRISS используют стандартную отраслевую матрицу транспортных средств для определения моделей автомобилей, обеспечивающих сопоставимое сравнение транспортных средств.Эта простая в использовании матрица состоит из четырех категорий. Каждая позиция в четырехзначном коде транспортного средства представляет собой определяемую характеристику транспортного средства. Эта матрица транспортных средств позволяет иметь 400 типов транспортных средств. Автомобильные коды создаются путем назначения одного символа из каждого столбца и объединения их в четырехзначный автомобильный код:

• 1-й символ обозначает категорию транспортного средства — в зависимости от размера, стоимости, мощности и фактора роскоши
• 2-й символ определяет тип транспортного средства — тип шасси (фургон, внедорожник, универсал, кабриолет….)
• 3-й символ определяет трансмиссию и привод — автоматический / ручной и 2WD / 4WD / AWD
• 4-й символ определяет тип топлива (бензин / дизель / гибрид / электрический…), а также кондиционер или нет.

Матрица транспортных средств — Коды классификации автомобилей

КАТЕГОРИЯ			ТИП			ТРАНСМИССИЯ / ПРИВОД			ТОПЛИВО / ВОЗДУХ.
M	Мини		B	2-3 двери		M	Ручной неуказанный привод		R	Неуказанное топливо / мощность с воздухом
N	Мини Элит		С	2/4 дверь		N	Механика 4WD		N	Неуказанное топливо / мощность без воздуха
E	Экономика		D	4-5 Дверь		С	Руководство AWD		D	Дизель Воздушный
H	Элитный эконом-класс		Вт	Универсал		А	Auto Unspecified Drive		Q	Дизель Без Воздуха
С	Компактный		В	Пассажирский фургон		B	Авто 4WD		H	Гибридный воздух
D	Компактная Elite		л	Лимузин / Седан		D	Авто полный привод		I	Гибридный штекер в воздухе
I	Средний		S	Спорт					E	Электрический (Расстояние <250 миль / 400 км) Воздух
Дж	Промежуточный элитный		Т	Кабриолет					С	Electric Plus (Расстояние ≥ 250 миль / 400 км) Air
S	Стандартный		F	внедорожник					л	Сжиженный нефтяной газ / сжатый газ Воздух
R	Стандартный элитный		Дж	Открытый вездеход					S	СНГ / сжатый газ без воздуха
Ф.	Полноразмерный		Х	Специальный					А	Водород Воздух
G	Полноразмерный Elite		-п.	Пикап (простая / удлиненная кабина) 2-дверный					B	Водород без воздуха
п	Премиум		Q	Пикап (двойная кабина) 4 двери					M	Многотопливный / Power Air
U	Премиум Элит		Z	Специальное предложение Автомобиль					F	Мультитопливо / мощность Нет воздуха
L	Люкс		E	Купе					В	Бензин Воздух
Вт	Люкс Элит		M	Моноширинный					Z	бензин без воздуха
O	Увеличенный		R	Автомобиль для отдыха					U	Этанол Воздух
х	Специальный		H	Дом на колесах					Х	Этанол без воздуха
			Y	2-колесный автомобиль
			N	Родстер
			G	Кроссовер
			К	Коммерческий фургон / грузовик

эл.грамм. : CCMN = компактный автомобиль — 2/4 двери — механическая коробка передач — без кондиционера

Среди компактных 2/4 дверных моделей будут, например, модели, подобные Ford Focus или Opel Astra.

КОДИРОВКА ПАССАЖИРСКОГО ФУРГОНА *
IV	6+ мест
СП	Elite 6+ мест
SV	7+ мест
RV	Elite 7+ мест
FV	7+ мест плюс больше места
ГВ	Elite 7+ мест плюс больше места
PV	8+ мест
УФ	Elite 8+ мест
LV	9+ мест
WV	элитных мест 9+
XV	12+ мест
ОВ	15+ мест

* Пассажирские микроавтобусы — В расширенной матрице классификация категории пассажирских микроавтобусов (1-й символ) расширена для определения пассажировместимости в соответствии с таблицей.

Независимый автомобильный профессионал получает заказ от ACRISS для присвоения кодов всем моделям европейских производителей для обеспечения точности и прозрачности.

Эта система кодирования была принята, чтобы гарантировать, что все участники ACRISS отображают одинаковую кодировку для одних и тех же транспортных средств, что позволяет вам принять обоснованное решение при сравнении ставок. Кроме того, это позволяет вам выбрать правильный автомобиль.

Ищете код для конкретной машины? Щелкните здесь, чтобы найти код.

Нажмите ниже на языковую версию руководства по продаже транспортных средств, которую вы хотите загрузить

Загрузки

Классификация транспортных средств для соответствия FMSCA Регламенту ELD

Федеральное управление шоссейных дорог (FHWA), которое является отделом Департамента транспорта (DOT), определило 13 классификаций транспортных средств. Понимание классификации вашего автопарка поможет вам соответствовать требованиям. Некоторые автомобили могут работать в серой зоне, например оси, которые можно поднять, что еще больше затрудняет соблюдение требований.Опасные материалы вводят 9 дополнительных классификаций, которые требуют соответствия (скачать здесь).

Оператору малого или среднего автопарка может быть сложно понять правила и не отставать от изменений. Регламент для ELD до сих пор не определен, поэтому крупнейшие компании в сфере GPS-слежения и ELD не указаны как соответствующие требованиям на веб-сайте FMSCA. Перечисленные компании буквально самостоятельно зарегистрированы как соответствующие требованиям, но сделали это до того, как FMSCA определило окончательный набор правил.Неправильно разрешать компаниям GPS-слежения и ELD самостоятельно регистрироваться без надзора или регулирования FMSCA.

Что ясно, так это крайние сроки, первый из которых — 18.12.2017. 18 декабря все автомобили, подпадающие под действие правил FMSCA, должны соответствовать требованиям AOBRD. Опоздание на один день будет означать, что оператор автопарка должен соответствовать требованиям ELD до 16.12.2019. Поскольку автопарки соответствуют требованиям AOBRD, они должны дольше соответствовать требованиям ELD, чем те, которые не соблюдают крайний срок 17.12.18. Набор правил для соблюдения требований AOBRD и ELD является довольно значительным, что приведет к тому, что соблюдение требований ELD будет более дорогостоящим.Операторам автопарков гораздо лучше внедрить систему AOBRD, которая обладает гибкостью, чтобы соответствовать требованиям ELD практически в любой конфигурации, требуемой законодательством.

Итак, какие функции следует искать в решении AOBRD, которое, вероятно, будет соответствовать требованиям ELD?

1. Оборудование. Оборудование гораздо менее гибкое и гораздо более дорогое в обновлении, чем программное обеспечение (установка клиента или веб-приложение). Если регулирование FMSCA диктует новые функции, которых сегодня нет в устройстве, это приведет к новым инвестициям для обеспечения соответствия требованиям 16 декабря 2019 г.Соответствие требованиям ABORD дает менеджерам автопарков максимальное время, которое они могут потратить на единой платформе, прежде чем потенциально придется обновлять оборудование. Для небольших автопарков это может быть большим делом, но для корпоративных автопарков, насчитывающих более 1000 автомобилей, это очень большой и дорогостоящий проект.
2. Приложение. Есть два варианта приложения. Настоящее приложение — это служба, которую вы запускаете на таком устройстве, как ваш смартфон. Он регулярно обновляется по мере развития. Это дает вам максимальную гибкость и уверенность в том, что соответствие возможно без установки обновления программного обеспечения.Приложение, установленное на устройстве, например устройстве Garmin, означает, что Garmin должен быть подключен к компьютеру и установлено обновление. Это означает, что нужно прикасаться к каждому устройству каждый раз, когда появляются обновления и новые функции.

Если вы только начинаете задумываться о том, чтобы проверить соответствие требованиям AOBRD или ELD, свяжитесь с Fleetistics, чтобы обсудить ваш план, график и бюджет. Благодаря тому, что ELD является дополнением к очень надежной платформе GPS-слежения и телематики, возможно получение окупаемости инвестиций задолго до развертывания ELD.