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

在现代城市的繁忙动脉中，车辆的流动是一种持续且混乱的节奏，而这种节奏经常陷入停滞。几十年来，管理这种流量一直依赖于僵化的系统：交通信号灯无论有多少车在等待都按固定时间切换，以及从高塔上观察却无法同时看到所有路口的交警。随着城市变得更加密集，这些旧方法难以跟上步伐，导致通勤时间变长、燃油浪费以及道路危险增加。为了解决这个问题，科学家们正转向一种被称为计算机视觉的人工智能分支。这项技术让机器能够通过摄像头“看见”世界，实时识别汽车、巴士和摩托车等物体。通过将这种视觉智能与物联网（即设备之间进行无线通信）相结合，研究人员希望创造出能够对变化的情况做出即时反应的交通系统，就像神经系统对突然的触碰做出反应一样。

印度萨尼瓦尼大学（Sanjivani University）的一位研究人员最近构建了一个软件原型，以测试这种视觉功能在交通管理方面的表现如何。他们的目标是创建一个能够观看街道视频流、统计车辆数量、评估道路拥堵程度，并将这些信息显示在简单网页仪表盘上的系统。他们使用了一个强大的预训练人工智能模型——YOLOv11，该模型旨在识别图像中的物体，并将其连接到一个使用标准编程工具构建的 Web 界面。设计中还包括了一个计划，即最终使用一个小型、低成本的计算机芯片来自动控制交通信号灯，尽管这次特定的测试并不包含该物理硬件。研究人员想看看这种软件与视觉的结合是否可以作为构建更智能、更具响应性交通网络的可靠基础。

他们构建的系统以一种直截了当的顺序运行。首先，用户将一段交通场景的视频或照片上传到 Web 仪表盘。随后，软件将视频分解为单个帧（或快照），并为分析做准备。人工智能模型检查每个快照，在它识别出的任何物体周围画框，并为其分配标签。根据发现的车辆数量，系统将交通状况分类为低、中或高密度。这些信息随后被传回仪表盘，人类操作员可以在那里查看当前的计数和道路状态。研究人员还设计了让系统最终检测事故或交通违规（如闯红灯）的功能，但他们也谨慎地指出，这些高级功能在最初的版本中尚未得到充分测试或验证。

当研究人员对他们的原型进行测试时，结果清晰地展示了这项技术目前的现状，尽管有些令人沮丧。他们在标准计算机处理器上运行了该系统，处理了包含 1150 个不同物体实例的 900 张图像。性能指标显示，目前的设置尚未准备好进行实际部署。系统在做出判断时，仅在约 2% 的情况下能正确识别车辆，并且仅检测到了图像中实际存在的车辆中的约 21%。深入分析数据后发现了系统挣扎的原因：他们使用的 AI 模型是在一个庞大的通用数据集上训练的，该数据集包含许多不同类型的物体，如人、自行车甚至飞机。由于研究人员没有专门针对仅包含交通车辆的数据集对模型进行重新训练，计算机产生了混淆。它花费了大量时间试图在交通画面中识别飞机和人，而经常无法发现它本应计数的汽车和巴士。研究人员指出，该模型并未针对这项特定工作进行“微调”，这意味着它正试图将广泛的通用知识应用于一个非常具体的问题，而缺乏必要的调整。

尽管准确率数值较低，但该项目成功证明了智能交通系统的基本架构是可行的。软件流水线按预期工作：它接收媒体文件，通过视觉模型进行处理，统计检测到的物体，并将结果显示在网页上。仪表盘显示了车辆计数、密度等级，以及事故警报和信号状态的占位符。然而，研究人员明确表示，仪表盘上显示的事故检测和交通违规功能在本次测试中并不能运行；它们仅仅是视觉元素，用以展示在未来更完整的版本中这些功能将放在什么位置。该系统并未实际检测事故或违规行为，也没有控制任何物理交通灯，因为硬件部分仍属于设计的理论部分。

研究人员总结道，虽然软件框架是健全的，但在该系统能够被信任于真实道路之前，其“大脑”还需要大量的改进工作。低性能评分表明，必须使用包含特定道路车辆类型的数据集来重新训练模型，并且必须移除像飞机这样令人困惑的类别。他们还强调，目前的结果是一个基准——是用于诊断的起点——而非最终产品。原型证明了基于 Web 的仪表盘可以实现交通数据的可视化，但也凸显了依赖未经定制的通用预制模型会导致糟糕的结果。

展望未来，研究人员勾勒出了一条改进路径。他们计划使用专门针对汽车、巴士和卡车的数据集来重新训练人工智能模型，以提高其识别交通工具的能力。他们打算集成所设计的那个小型计算机芯片，以便根据密度读数实际控制交通信号灯。未来的版本还将致力于实现来自实时摄像头的实时视频流（而非仅仅是上传的文件），并致力于训练系统以高可靠性识别事故和违规行为。目前，这个原型作为一个有价值的诊断工具，指出了技术在哪些方面存在不足，以及构建一个能让城市高效、安全运转的真正智能交通管理系统还需要哪些步骤。