Видеоаналитика для приоритетного проезда трамваев

Цель проекта – обеспечение бесконфликтного и приоритетного проезда трамваев через регулируемые перекрестки за счет применения технологий компьютерного зрения.

Проект решает задачу снижения времени в пути и повышения регулярности движения наземного общественного транспорта без необходимости оснащения всего подвижного состава дополнительными аппаратными транспондерами.

Пилотный проект нацелен на отработку алгоритмов детекции транспорта в реальном времени, интеграции с существующей автоматизированной системой управления дорожным движением (АСУДД) и установленными в городе светофорными контроллерами, а также оценку реального экономического и социального эффекта для транспортной системы города.

2026

По итогам пилотного проекта достигнуты следующие измеримые показатели:

·         Сокращение среднего времени проезда пилотных участков на 15–20%.

·         Снижение задержек на регулируемых перекрестках для трамваев до 20%.

·         Точность детекции трамвая в светлое время суток – более 90%.

·         Точность детекции трамвая в темное время суток – более 74%.

Камеры инцидент-менеджмента со встроенными ML-моделями детекции транспорта.

Обмен данными с контроллерами светофорных объектов осуществляется через «сухие» контакты. Интеграционная шина (API) для обмена данными с АСУДД.

В проекте не используются решения из каталога Global CIO

Наибольшую сложность вызвала настройка взаимодействия со светофорными контроллерами, установленными на пилотных перекрестках, и обеспечение сверхнизкой задержки при обработке и передаче сигнала. Потребовалась тонкая настройка ML-моделей для устойчивой работы в сложных погодных условиях (снег, дождь, ночное время, блики) и при частичном перекрытии объекта обзора. Также потребовалась организация отказоустойчивого контура связи, чтобы запрос на приоритет гарантированно доходил до дорожных контроллеров в строго отведенный временной интервал.

•       Исходная ситуация

До начала проекта трамваи на пилотных маршрутах сталкивались с периодическими задержками на регулируемых перекрестках из-за плотного автомобильного потока. Системы приоритета, по сути, не применялись, так как требовали установки и обслуживания дополнительного бортового оборудования, которое могло некорректно работать в условиях плохого спутникового сигнала. Отсутствие подтверждения присутствия трамвая в зоне перекрестка приводило к неэффективному распределению светофорных циклов, снижению средней скорости движения и нарушению графика, что негативно сказывалось на транспортной доступности и удовлетворенности граждан.

·         Реализованное решение

Внедрено программно-аппаратное решение на базе компьютерного зрения. На пяти пилотных участках установлены камеры для охвата зон приближения к перекресткам.

·         Изменения после внедрения

Процесс управления трафиком стал адаптивным и автоматизированным. Диспетчеры получили инструмент для объективного контроля приоритета без ручного вмешательства. Водители трамваев отмечают снижение количества вынужденных остановок на перекрестках. Улучшилось взаимодействие между подсистемами интеллектуальной транспортной инфраструктуры: видеоаналитика, светофорное регулирование и диспетчеризация теперь работают как единый контур.

Москва, Московский трамвайный диаметр Т1 («Метро Университет» – «Метрогородок», 27 км, 13 районов);

пилотная зона – 5 участков на линии маршрута