Software Prototype for Smart Traffic Monitoring Using YOLOv11: Baseline Evaluation and Limitations

In den geschäftigen Arterien moderner Städte ist der Verkehrsfluss ein ständiger, chaotischer Rhythmus, der oft zum Stillstand kommt. Jahrzehntelang basierte die Steuerung dieses Flusses auf starren Systemen: Ampeln, die nach festen Zeitintervallen schalten, unabhängig davon, wie viele Autos warten, und menschliche Beamte, die von Türmen aus beobachten, jedoch nicht alle Kreuzungen gleichzeitig im Blick haben können. Da Städte immer dichter werden, stoßen diese alten Methoden an ihre Grenzen, was zu längeren Pendelzeiten, verschwendetem Kraftstoff und erhöhter Gefahr auf den Straßen führt. Um dies zu lösen, wenden sich Wissenschaftler einem Zweig der künstlichen Intelligenz zu, der als Computer Vision bekannt ist. Diese Technologie ermöglicht es Maschinen, die Welt durch Kameras zu „sehen“ und Objekte wie Autos, Busse und Motorräder in Echtzeit zu identifizieren. Durch die Kombination dieser visuellen Intelligenz mit dem Internet der Dinge – bei dem Geräte drahtlos miteinander kommunizieren – hoffen Forscher, Verkehrssysteme zu schaffen, die unmittelbar auf wechselnde Bedingungen reagieren, ganz ähnlich wie ein Nervensystem, das auf eine plötzliche Berührung reagiert.

Ein Forscher an der Sanjivani University in Indien hat kürzlich einen Software-Prototyp entwickelt, um zu testen, wie gut diese Vision für das Verkehrsmanagement funktioniert. Sein Ziel war es, ein System zu schaffen, das einen Video-Feed einer Straße beobachten, die Fahrzeuge zählen, die Auslastung der Straße schätzen und diese Informationen auf einem einfachen Web-Dashboard anzeigen kann. Er verwendete ein leistungsstarkes, vortrainiertes Modell der künstlichen Intelligenz namens YOLOv11, das darauf ausgelegt ist, Objekte in Bildern zu erkennen, und verband es mit einer Web-Oberfläche, die mit Standard-Programmierwerkzeugen erstellt wurde. Das Design beinhaltete auch einen Plan für einen kleinen, kostengünstigen Computerchip, der schließlich die Ampeln automatisch steuern soll, obwohl diese physische Hardware nicht Teil dieses spezifischen Tests war. Der Forscher wollte sehen, ob diese Kombination aus Software und Vision als zuverlässige Grundlage für ein intelligenteres, reaktionsfähigeres Verkehrsnetz dienen kann.

Das von ihnen entwickelte System arbeitet in einer geradlinigen Sequenz. Zuerst lädt ein Benutzer ein Video oder ein Foto einer Verkehrsszene auf ein Web-Dashboard hoch. Die Software zerlegt das Video dann in einzelne Frames, oder Schnappschüsse, und bereitet sie für die Analyse vor. Das Modell der künstlichen Intelligenz untersucht jeden Schnappschuss, zeichnet Kästen um alles, was es als Fahrzeug erkennt, und weist ihm eine Bezeichnung zu. Basierend auf der Anzahl der gefundenen Fahrzeuge kategorisiert das System den Verkehr als geringe, mittlere oder hohe Dichte. Diese Information wird dann an das Dashboard zurückgesndiert, wo ein menschlicher Operator die aktuelle Anzahl und den Status der Straße sehen kann. Der Forscher entwarf das System auch so, dass es in Zukunft Unfälle oder Verkehrsverstöße, wie etwa das Überfahren einer roten Ampel, erkennen kann, merkte jedoch vorsorglich an, dass diese fortgeschrittenen Funktionen in dieser ersten Version noch nicht vollständig getestet oder validiert wurden.

Als der Forscher seinen Prototyp einem Test unterzog, lieferten die Ergebnisse ein klares, wenn auch ernüchterndes Bild davon, wo die Technologie heute steht. Er ließ das System auf einem Standard-Prozessor laufen und verarbeitete neunhundert Bilder, die eintausendeinhundertfünfzig einzelne Objektinstanzen enthielten. Die Leistungsmetriken zeigten, dass der aktuelle Aufbau noch nicht bereit für den Einsatz in der realen Welt war. Das System identifizierte Fahrzeuge nur etwa zwei Prozent der Zeit korrekt, wenn es eine Vermutung anstellte, und es erkannte etwa einundzwanzig Prozent der tatsächlich in den Bildern vorhandenen Fahrzeuge. Ein genauerer Blick auf die Daten zeigte, warum das System Schwierigkeiten hatte: Das von ihnen verwendete Modell der künstlichen Intelligenz war auf einem massiven, allgemeinen Datensatz trainiert worden, der viele verschiedene Arten von Objekten wie Menschen, Fahrräder und sogar Flugzeuge umfasst. Da der Forscher das Modell nicht speziell auf einen Datensatz, der nur aus Verkehrsfahrzeugen besteht, umtrainiert hatte, wurde der Computer verwirrt. Er verbrachte eine beträchtliche Zeit damit, Flugzeuge und Menschen in den Verkehrsaufnahmen zu identifizieren, während er oft versagte, die Autos und Busse zu entdecken, die er eigentlich zählen sollte. Der Forscher stellte fest, dass das Modell nicht für diese spezifische Aufgabe „feingetunt“ war, was bedeutet, dass es versuchte, ein breites, allgemeines Wissen auf ein sehr spezifisches Problem anzuwenden, ohne die notwendigen Anpassungen vorzunehmen.

Trotz der geringen Genauigkeitswerte demonstrierte das Projekt erfolgreich, dass die grundlegende Architektur eines intelligenten Verkehrssystems möglich ist. Die Software-Pipeline funktionierte wie vorgesehen: Sie nahm Medien entgegen, verarbeitete sie durch das Vision-Modell, zählte die Erkennungen und zeigte die Ergebnisse auf einer Webseite an. Das Dashboard zeigte eine Fahrzeuganzahl, eine Dichtebewertung sowie Platzhalter für Unfallwarnungen und den Ampelstatus an. Der Forscher stellte jedoch ausdrücklich klar, dass die auf dem Bildschirm angezeigten Funktionen zur Unfallerkennung und zu Verkehrsverstößen in diesem Test nicht funktional waren; sie dienten lediglich als visuelle Elemente, um aufzuzeigen, wo diese Fähigkeiten in einer zukünftigen, vollständigeren Version Platz finden würden. Das System erkannte weder Unfälle noch Verstöße und steuerte auch keine physischen Ampeln, da die Hardware-Komponente ein theoretischer Teil des Designs blieb.

Der Forscher kam zu dem Schluss, dass zwar das Software-Framework solide ist, das „Gehirn“ des Systems jedoch noch erhebliche Arbeit benötigt, bevor es auf echten Straßen vertraut werden kann. Die niedrigen Leistungswerte deuten darauf hin, dass das Modell mit einem spezialisierten Datensatz, der nur die spezifischen auf der Straße befindlichen Fahrzeugtypen enthält, neu trainiert werden muss und dass verwirrende Kategorien wie Flugzeuge entfernt werden müssen. Er betonte auch, dass die aktuellen Ergebnisse ein Basistest sind – ein Ausgangspunkt für die Diagnose – und kein fertiges Produkt. Der Prototyp bewies, dass ein webbasiertes Dashboard Verkehrsdaten visualisieren kann, verdeutlichte aber auch, dass das Vertrauen auf ein generisches, vorgefertigtes Modell ohne Anpassung zu schlechten Ergebnissen führt.

Mit Blick auf die Zukunft skizzierte der Forscher einen klaren Pfad zur Verbesserung. Er plant, das Modell der künstlichen Intelligenz mit einem spezialisierten Datensatz aus Autos, Bussen und Lastwagen neu zu trainieren, um seine Fähigkeit zur Erkennung des Verkehrs zu verbessern. Er beabsichtigt, den von ihm entworfenen kleinen Computerchip zu integrieren, um die Ampeln basierend auf den Dichtemessungen tatsächlich zu steuern. Zukünftige Versionen werden zudem darauf abzielen, Echtzeit-Videostreams von Live-Kameras statt nur hochgeladener Dateien zu nutzen und daran arbeiten, das System so zu trainieren, dass es Unfälle und Regelverstöße mit hoher Zuverlässigkeit erkennt. Für den Moment dient dieser Prototyp als wertvolles Diagnosewerkzeug, das genau aufzeigt, wo die Technologie an ihre Grenzen stößt und welche Schritte notwendig sind, um ein wahrhaft intelligentes Verkehrsmanagementsystem aufzubauen, das Städte sicher und effizient in Bewegung hält.