دادهایم که خودروها را در ویدئو تشخیص، ردیابی و شمارش میکند. این سامانه به بهبود زمانبندی
چراغها، کاهش معطلی، هشدار بهموقع رویدادهای غیرعادی و ارائه گزارشهای لحظهای کمک میکند.
- محدودیتها بر جریان ترافیک
چرا هوش ترافیک اهمیت دارد؟
ترافیک شهری فقط «شلوغی» نیست؛ اتلاف زمان، مصرف سوخت، آلودگی هوا و هزینههای اجتماعی را هم
افزایش میدهد. بسیاری از زیرساختهای ترافیکی هنوز مبتنی بر زمانبندی ثابتاند و به تغییرات لحظهای پاسخ
نمیدهند. راهحل؟ تحلیل زندهی ویدئو برای تصمیمگیری هوشمند، همانجا که داده تولید میشود.
راهکار آلاوان چیست؟
راهکار «هوش ترافیک آلاوان» با استفاده از YOLO و دادههای بومی ایران، اشیاء (خودروهای
سبک/سنگین، موتورسیکلت و…) را در فریمهای ویدئویی با دقت بالا تشخیص میدهد و با ردیابی
چندهدفه (Multi-Object Tracking) مسیر هر وسیله را دنبال میکند. خروجی سیستم شامل:
- شمارش عبوری و آمار هر لاین بهصورت زنده
- ردیابی پیوسته (ID ثابت برای هر وسیله تا پایان عبور)
- هشدارهای بلادرنگ: توقف غیرعادی، ورود خلاف جهت، ریسک تصادف
- گزارش خودکار در قالبهای CSV/JSON + داشبورد ساده برای مشاهدهی لحظهای
- رصد ترافیک برای برنامهریزی شهری و بهینهسازی چراغها
این سامانه چگونه کار میکند؟
- تشخیص (Detection): مدل YOLO که با دادههای بومی آموزش دیده، در هر فریم، انواع وسیله
نقلیه را تشخیص میدهد. - ردیابی (Tracking): با الگوریتمهای ردیابی چندهدفه (مانند ByteTrack/DeepSORT)، به هر
وسیله ID یکتا اختصاص میدهیم تا در طول مسیر گم نشود. - تحلیل و رخدادها: قوانین ساده و مدلهای رفتاری روی جریان داده اجرا میشوند تا رخدادهای
غیرعادی (توقف طولانی، ورود مخالف، تراکم ناگهانی) کشف شوند. - خروجی و یکپارچهسازی: آمار و رخدادها از طریق API، فایلهای CSV/JSON
و داشبورد در دسترس شما قرار میگیرند؛ امکان اتصال به سامانههای موجود ترافیک نیز فراهم
است.
مزایای کلیدی برای مدیران شهری و ترافیک
- تصمیمگیری دادهمحور: تنظیم چراغها بر اساس واقعیت لحظهای ترافیک
- کاهش معطلی و مصرف سوخت: کاهش صفها در ساعات اوج با بهینهسازی چرخهی چراغها
- ایمنی بیشتر: هشدار زودهنگام برای توقفهای غیرعادی یا ورود اشتباه
- نمایش ساده برای اپراتور: داشبورد مینیمال با آمار لاینها، سرعت میانگین، و شلوغی
- گزارشدهی آسان: خروجیهای استاندارد برای گزارشهای دورهای و تحلیلهای عمیقتر
- حریم خصوصی و امنیت: پردازش میتواند لبهای (On-Prem/Edge) انجام شود؛
نیازی به ارسال ویدئو به فضای ابری نیست
کاربردهای عملی
- زمانبندی هوشمند چراغها: کمکردن زمان انتظار در تقاطعهای پرتردد
- شمارش عبوری و آمار هر لاین: ورودی حیاتی برای مدلسازی ترافیک و طرحهای CTR/UTURN
- مدیریت رخداد: تشخیص سریع توقف غیرعادی، ورود خلاف، ریسک برخورد
- پایش پروژههای عمرانی: اندازهگیری اثر تغییرات هندسی یا
- برنامهریزی شهری: پشتیبانی از تصمیمگیری برای توسعهی معابر، حملونقل عمومی، و
پارکینگها
الزامات فنی و یکپارچهسازی
- منبع ویدئو: دوربینهای موجود شهر (RTSP/ONVIF) یا نصب دوربینهای جدید
- زیرساخت پردازشی: Edge Box یا سرور محلی/دیتاسنتر شهرداری
- کیفیت تصویر: رزولوشن حداقل 720p با زاویهی دید مناسب هر لاین
- اتصال و امنیت: شبکهی امن، کنترل دسترسی و لاگگیری
چرا YOLO روی دادههای بومی؟
مدلهای ازپیشآموزشدیده، برای شرایط بومی (نوع وسایل، پلاکها، خطوطکشی و زاویهی دوربینها) همیشه دقیق
نیستند. ما با دادههای واقعی از معابر ایران مدل را بازآموزی کردهایم تا نویزهای
محیطی، نور شب/روز، باران و ازدحام بهتر مدیریت شوند. نتیجه: دقت بالاتر و خطای
کمتر در شمارش و ردیابی.
پرسشهای پرتکرار (FAQ)
آیا به اینترنت نیاز است؟
دقت سیستم چقدر است؟
میدهیم تا دقت تشخیص/ردیابی و شمارش برای هر تقاطع بهینه شود.
چه قالبهایی برای خروجی وجود دارد؟
مدیریت ترافیک یا BI.
آیا امکان تشخیص نوع وسیله وجود دارد؟
حفظ حریم خصوصی چگونه است؟
زیرساخت خودتان انجام میشود.
درباره نویسنده
Arsham Bozorgi