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

現代の都市における主要な動脈において、車両の流れは絶え間なく、かつ混沌としたリズムであり、しばしば停滞に陥ります。数十年にわたり、この流れの管理は硬直したシステムに依存してきました。それは、どれほど多くの車が待機していようとも一定のタイマーに従って変化する信号機や、すべての交差点を一度に監視することはできない、塔の上から見守る人間の警官たちです。都市が密集するにつれ、これらの古い手法はペースを維持することに苦慮しており、通勤時間の長期化、燃料の浪費、そして道路上の危険の増大を招いています。これを解決するために、科学者たちはコンピュータビジョンとして知られる人工知能の一分野に注目しています。この技術により、機械はカメラを通じて世界を「見る」ことが可能になり、車、バス、オートバイといった物体をリアルタイムで識別できるようになります。この視覚的知能を、デバイス同士がワイヤレスで通信し合うモノのインターネット（IoT）と組み合わせることで、研究者たちは、突然の接触に反応する神経系のように、変化する状況に即座に反応する交通システムを生み出すことを目指しています。

インドのサンジヴァニ大学の研究者が最近、この視覚機能が交通管理においてどの程度有効であるかをテストするためのソフトウェア・プロトタイプを構築しました。彼らの目標は、通りのビデオフィードを監視し、車両をカウントし、道路の混雑度を推定し、その情報をシンプルなウェブ・ダッシュボードに表示できるシステムを作成することでした。彼らは、画像内の物体を検知するように設計された強力な学習済み人工知能モデルであるYOLOv11を使用し、それを標準的なプログラミングツールで構築されたウェブ・インターフェースに接続しました。また、設計には、最終的に交通信号を自動制御するための小型で低コストなコンピュータチップの計画も含まれていましたが、この特定のテストにおいて、その物理的なハードウェアは含まれていませんでした。研究者は、このソフトウェアと視覚の組み合わせが、よりスマートで応答性の高い交通ネットワークのための信頼できる基盤となり得るかどうかを確認したいと考えました。

彼らが構築したシステムは、分かりやすい手順で動作します。まず、ユーザーがビデオまたは写真の交通シーンをウェブ・ダッシュボードにアップロードします。次に、ソフトウェアはビデオを個々のフレーム、つまりスナップショットに分解し、分析の準備を行います。人工知能モデルは各スナップショットを検査し、物体として認識したものにボックスを描き、ラベルを割り当てます。検出された車両数に基づき、システムは交通状況を「低」、「中」、または「高」の密度に分類します。この情報はダッシュボードに送り返され、人間のオペレーターは現在のカウントと道路の状態を確認できます。研究者はまた、事故や赤信号無視などの交通違反を将来的に検知できるようにシステムを設計しましたが、これらの高度な機能は、この初期バージョンではまだ十分にテストまたは検証されていないことを注意深く明記しました。

研究者がプロトタイプをテストにかけた際、その結果は、今日のテクノロジーが現在どのような状況にあるかという、明確ながらも厳しい現実を浮き彫りにしました。彼らは標準的なコンピュータ・プロセッサ上でシステムを実行し、1,150個の異なる物体インスタンスを含む900枚の画像を処理しました。性能指標は、現在のセットアップが実社会への展開にはまだ準備ができていないことを明らかにしました。システムが予測を行った際、車両を正しく識別できたのはわずか約2パーセントであり、画像内に実際に存在していた車両の約21パーセントしか検出できませんでした。データの内容を詳しく調べると、なぜシステムが苦戦したのかが見えてきました。使用された人工知能モデルは、人々や自転車、さらには飛行機など、多くの異なる種類の物体を含む大規模で一般的なデータセットで学習されていたためです。研究者が、交通車両のみに特化したデータセットを用いてモデルを再学習（ファインチューニング）させなかったため、コンピュータは混乱してしまいました。コンピュータは、カウントすべき車やバスを見落とす一方で、航空機や人々を特定しようとしてかなりの時間を費やしてしまったのです。研究者は、モデルがこの特定の仕事のために「ファインチューニング」されていなかった、つまり、必要な調整を行うことなく、広範で一般的な知識を非常に具体的な問題に適用しようとしていたのだと指摘しました。

低い精度にもかかわらず、このプロジェクトは、スマートな交通システムの基本的なアーキテクチャが可能であることを成功裏に実証しました。ソフトウェアのパイプラインは意図通りに動作しました。メディアを受け取り、視覚モデルを通じて処理し、検出数をカウントし、結果をウェブページに表示しました。ダッシュボードには、車両数、密度評価、そして事故アラートと信号状態のためのプレースホルダーが表示されました。しかし、研究者は、画面上に表示された事故検知や交通違反の機能は、このテストにおいては機能的なものではなく、将来のより完全なバージョンにおいてそれらの機能がどこに入るかを示すための視覚的な要素に過ぎないことを明確に述べていました。システムは実際に事故や違反を検知したわけではなく、物理的な信号機を制御することもありませんでした。ハードウェア部分は設計上の理論的な部分として残っていたからです。

研究者は、ソフトウェアの枠組みは健全であるが、システムの「脳」が実際の道路で信頼されるようになるには、大幅な作業が必要であると結論付けました。低いパフォーマンススコアは、モデルが、道路で見られる特定の種類の車両のみを含むデータセットで再学習される必要があり、航空機のような紛らわしいカテゴリーを削除する必要があることを示しています。彼らはまた、現在の結果は完成品ではなく、診断のための出発点（ベースライン）であることも強調しました。プロトタイプは、ウェブベースのダッシュボードが交通データを可視化できることを証明しましたが、同時に、カスタマイズなしに汎用的な既製品のモデルに頼ることが、いかに不十分な結果をもたらすかを浮き彫りにしました。

将来を見据えて、研究者は改善に向けた明確な道筋を提示しました。彼らは、交通車両を認識する能力を高めるために、自動車、バス、トラックに特化したデータセットを用いて人工知能モデルを再学習させる計画です。また、密度判定に基づいて実際に交通信号を制御するために、設計した小型コンピュータチップを統合する予定です。将来のバージョンでは、単なるアップロードされたファイルではなく、ライブカメラからのリアルタイムのビデオストリーミングを取り入れ、事故やルール違反を高精度に検知できるよう訓練することを目指します。現時点では、このプロトタイプは貴重な診断ツールとして機能しており、テクノロジーがどこで不足しているのか、そして、都市を安全かつ効率的に動かし続ける真にインテリジェントな交通管理システムを構築するために何が必要であるかを正確に示しています。