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

Nas artérias movimentadas das cidades modernas, o fluxo de veículos é um ritmo constante e caótico que frequentemente entra em colapso. Durante décadas, a gestão deste fluxo dependeu de sistemas rígidos: semáforos que mudam em intervalos fixos, independentemente de quantos carros estão à espera, e agentes humanos observando de torres, incapazes de ver todas as interseções ao mesmo tempo. À medida que as cidades se tornam mais densas, estes métodos antigos lutam para acompanhar o ritmo, levando a trajetos mais longos, desperdício de combustível e aumento do perigo nas estradas. Para resolver isto, os cientistas estão a recorrer a um ramo da inteligência artificial conhecido como visão computacional. Esta tecnologia permite que as máquinas "vejam" o mundo através de câmeras, identificando objetos como carros, ônibus e motocicletas em tempo real. Ao combinar esta inteligência visual com a internet das coisas — onde dispositivos comunicam entre si sem fios — os pesquisadores esperam criar sistemas de tráfego que reajam instantaneamente às mudanças de condições, tal como um sistema nervoso respondendo a um toque súbito.

Um pesquisador da Universidade Sanjivani, na Índia, construiu recentemente um protótipo de software para testar quão bem esta visão funciona para a gestão de tráfego. O seu objetivo era criar um sistema que pudesse observar o feed de vídeo de uma rua, contar os veículos, estimar o quão congestionada está a estrada e exibir essa informação num simples painel web. Eles utilizaram um modelo de inteligência artificial poderoso e pré-treinado chamado YOLOv11, que é projetado para detectar objetos em imagens, e conectaram-no a uma interface web construída com ferramentas de programação padrão. O design também incluiu um plano para um pequeno chip de computador de baixo custo para, eventualmente, controlar semáforos automaticamente, embora esse hardware físico não fizesse parte deste teste específico. O pesquisador queria ver se esta combinação de software e visão poderia servir como uma base confiável para uma rede de tráfego mais inteligente e responsiva.

O sistema que construíram funciona numa sequência direta. Primeiro, um usuário faz o upload de um vídeo ou de uma foto de uma cena de tráfego para um painel web. O software então decompõe o vídeo em quadros individuais, ou instantâneos, e prepara-os para análise. O modelo de inteligícia artificial examina cada instantâneo, desenhando caixas ao redor de qualquer coisa que reconheça como um veículo e atribuindo-lhe um rótulo. Com base em quantos veículos encontra, o sistema categoriza o tráfego como baixa, média ou alta densidade. Esta informação é então enviada de volta para o painel, onde um operador humano pode ver a contagem atual e o status da via. O pesquisador também projetou o sistema para eventualmente detectar acidentes ou infrações de trânsito, como avançar um sinal vermelho, mas foi cuidadoso ao notar que estas funcionalidades avançadas ainda não foram totalmente testadas ou validadas nesta versão inicial.

Quando o pesquisador colocou o seu protótipo à prova, os resultados ofereceram um quadro claro, embora sóbrio, de onde a tecnologia se encontra hoje. Eles executaram o sistema em um processador de computador padrão, processando novecentos imagens que continham mil cento e cinquenta instâncias distintas de objetos. As métricas de desempenho revelaram que a configuração atual ainda não está pronta para implantação no mundo real. O sistema identificou corretamente os veículos apenas cerca de duas por cento das vezes quando fazia uma suposição, e detectou aproximadamente vinte e um por cento dos veículos que estavam realmente presentes nas imagens. Uma análise mais detalhada dos dados mostrou por que o sistema teve dificuldades: o modelo de inteligência artificial que utilizaram havia sido treinado em um conjunto de dados massivo e geral que inclui muitos tipos diferentes de objetos, como pessoas, bicicletas e até aviões. Como o pesquisador não re-treinou o modelo especificamente em um conjunto de dados composto apenas por veículos de tráfego, o computador ficou confuso. Ele gastou um tempo significativo tentando identificar aviões e pessoas nas filmagens de tráfego, enquanto frequentemente falhava em detectar os carros e ônibus que deveria estar contando. O pesquisador observou que o modelo não foi "ajustado" (fine-tuned) para este trabalho específico, o que significa que estava tentando aplicar um conhecimento amplo e geral a um problema muito específico sem os ajustes necessários.

Apesar dos baixos números de precisão, o projeto demonstrou com sucesso que a arquitetura básica de um sistema de tráfego inteligente é possível. O pipeline de software funcionou conforme o esperado: aceitou a mídia, processou-a através do modelo de visão, contou as detecções e exibiu os resultados em uma página web. O painel mostrava uma contagem de veículos, uma classificação de densidade e espaços reservados para alertas de acidentes e status do sinal. No entanto, o pesquisador foi explícito ao afirmar que as funções de detecção de acidentes e infrações de trânsito mostradas na tela não eram funcionais neste teste; eram meramente elementos visuais para mostrar onde essas capacidades estariam em uma versão futura, mais completa. O sistema não detectou acidentes ou infrações de fato, nem controlou quaisquer semáforos físicos, pois o componente de hardware permaneceu como uma parte teórica do design.

O pesquisador concluiu que, embora a estrutura de software seja sólida, o "cérebro" do sistema precisa de um trabalho significativo antes que possa ser confiado nas estradas reais. As baixas pontuações de desempenho indicam que o modelo deve ser re-treinado em um conjunto de dados que contenha apenas os tipos específicos de veículos encontrados na estrada, e as categorias confusas, como aviões, devem ser removidas. Eles também enfatizaram que os resultados atuais são uma linha de base — um ponto de partida para diagnóstico — e não um produto final. O protótipo provou que um painel baseado na web pode visualizar dados de tráfego, mas também destacou que confiar em um modelo genérico e pré-fabricado sem customização leva a resultados ruins.

Olhando para o futuro, o pesquisador delineou um caminho claro para melhoria. Eles planejam re-treinar o modelo de inteligência artificial com um conjunto de dados especializado de carros, ônibus e caminhões para melhorar sua capacidade de reconhecimento de tráfego. Pretendem integrar o pequeno chip de computador que projetaram para realmente controlar os semáforos com base nas leituras de densidade. Versões futuras também visarão adicionar streaming de vídeo em tempo real de câmeras ao vivo, em vez de apenas arquivos carregados, e trabalharão para treinar o sistema para detectar acidentes e violações de regras com alta confiabilidade. Por enquanto, este protótipo serve como uma ferramenta de diagnóstico valiosa, mostrando exatamente onde a tecnologia falha e quais passos são necessários para construir um sistema de gestão de tráfego verdadeiramente inteligente que mantenha as cidades em movimento de forma segura e eficiente.