Мониторинг загруженности остановок транспорта с помощью ИИ

Предоставление органам исполнительной власти Нижегородской области инструмента для объективного, круглосуточного мониторинга пассажиропотока на остановках общественного транспорта. Проект решает задачу замены субъективных методов (ручной подсчет, фрагментарные данные с валидаторов) на непрерывный сбор и анализ данных с помощью компьютерного зрения. Это позволяет выявлять «болевые точки» транспортной сети, формировать рейтинг самых загруженных остановок и принимать обоснованные управленческие решения при долгосрочном планировании маршрутов, исключая неэффективное использование бюджетных средств.

Обеспечен автоматический непрерывный мониторинг 300 остановок с интервалом 5 минут. Ежедневно анализируется ~86 400 кадров, что составляет более 2,5 млн операций детекции в месяц. Доступ к системе имеют 15 ключевых пользователей. Капитальные затраты составили 8,1 млн руб. (закупка 300 лицензий видеоаналитики), при этом интеграция, разработка дашбордов и настройка API выполнены собственными силами ГАУ НО «ЦИТ», что обеспечило значительную экономию бюджета и независимость от внешних подрядчиков. Получено официальное письмо от Министерства транспорта Нижегородской области (№ Сл-325-177390/26 от 27.02.2026), подтверждающее высокую эффективность сервиса для оперативного мониторинга и планирования.

1. Платформа видеоаналитики «НТехСити» (ООО «Нтех Лаб», реестр ПО № 19025). 2. BI-платформа «Триафлай» (ООО «Триафлай», реестр ПО № 2965). 3. СУБД PostgreSQL. 4. Городские камеры видеонаблюдения на остановках общественного транспорта.

Основной сложностью стала не сама установка ПО, а обеспечение высокой точности детекции в реальных условиях. Коробочные решения давали погрешности из-за специфики региональных ракурсов камер, освещения и погодных условий. Для решения этой задачи потребовалось организовать предвнедренческое пилотирование совместно с вендором (ООО «Нтех Лаб») и провести дообучение (fine-tuning) промышленной модели на реальных видеопотоках остановок Нижегородской области. Второй вызов – бесшовная интеграция разнородных систем (видеоаналитика, СУБД, BI-платформа) в уже эксплуатируемую инфраструктуру Ситуационного центра Губернатора без нарушения ее стабильности и с соблюдением строгих требований информационной безопасности (шифрование по ГОСТ, строгий ролевой доступ).

1. Исходная ситуация: До начала проекта оценка загруженности остановок общественного транспорта в Нижегородской области проводилась фрагментарно: методом ручного подсчета, визуального наблюдения или косвенного анализа данных с транспортных валидаторов. Последний метод не учитывал пассажиров, ожидающих транспорт на остановке. Такой подход был субъективным, трудоемким, не обеспечивал круглосуточного охвата и не позволял оперативно выявлять дисбалансы пассажиропотока, что приводило к неэффективному планированию маршрутов и нерациональному использованию бюджетных средств. 2. Реализованное решение: Внедрена интеллектуальная система мониторинга на основе компьютерного зрения. Видеопоток с городских камер на 300 остановках (Нижний Новгород и Дзержинск) направляется на платформу видеоаналитики «НТехСити». Алгоритм ИИ осуществляет сегментацию кадров и детекцию силуэтов людей с интервалом 5 минут (принцип Privacy by Design: распознавание лиц не производится, данные обезличены). Результаты подсчета бесшовно передаются по защищенному API в СУБД PostgreSQL, а затем в региональную BI-платформу «Триафлай». Система формирует интерактивную карту с цветовой индикацией загруженности (принцип «светофора»), графики динамики и рейтинг ТОП-20 наиболее загруженных остановок. При выборе объекта оператор видит актуальный снимок с выделенными объектами (bounding boxes) для выборочной визуальной валидации (Human-in-the-loop). Интеграционный слой разработан собственными силами специалистов ГАУ НО «ЦИТ». 3. Изменения после внедрения: Ручной сбор данных полностью заменен на автоматический непрерывный мониторинг 24/7. Цикл получения информации сокращен с нескольких недель (при ручных обследованиях) до 5 минут в режиме, близком к реальному времени, плюс глубокая ретроспективная аналитика. Сотрудники Минтранса и Ситуационного центра получили единый централизованный инструмент для принятия решений. Переход к data-driven подходу позволил перейти от реактивных мер к проактивному, статистически обоснованному планированию транспортной сети, повышая качество жизни граждан за счет оптимизации интервалов движения и снижения давки на остановках.

Нижегородская область (г. Нижний Новгород, г. Дзержинск, с планом расширения на новые муниципальные образования в 2026 году).