Транспортная аналитика города: видеодетекция, потоки, адаптивные светофоры

Заторы стоят городу времени жителей, топлива и экологии, а решения о режимах светофоров, выделенных полосах и ремонте дорог принимаются по данным разовых замеров и жалобам. Индуктивные петли и радарные датчики покрывают малую часть сети, дороги в обслуживании, а тысячи городских камер используются только для ручного просмотра.

Центры организации дорожного движения хотят видеть интенсивность и состав потока по каждому перекрёстку, выявлять ДТП и остановившиеся автомобили за секунды, оценивать эффект от изменений и планировать инфраструктуру по данным, а не по ощущениям. Для этого видеопотоки нужно обрабатывать непрерывно, на месте, без выгрузки в облако.

Видеопотоки с существующих камер поступают на GPU-сервер, где нейросети детектируют и классифицируют транспорт и пешеходов, считают интенсивность по направлениям, скорость, плотность и время проезда. Инциденты — ДТП, остановившееся ТС, выезд на встречную, затор — фиксируются автоматически. Прогнозные модели оценивают загрузку на 15–60 минут вперёд и предлагают режимы светофорных фаз для адаптивного управления.

• Подсчёт и классификация потока по полосам и направлениям на каждой камере.
• Детекция инцидентов с уведомлением дежурного ЦОДД за секунды.
• Матрицы корреспонденций и время в пути между узлами сети.
• Рекомендации по фазам светофоров и оценка эффекта в цифровой модели.
• Открытые данные и отчёты для планирования инфраструктуры.

Какие данные нужны

• Видеопотоки городских камер
• Данные светофорных контроллеров и детекторов
• История ДТП и дорожных работ