Слайд 1. Вступительный слайд

Добрый день! Уважаемые коллеги. Меня зовут Чжоу Хунсян из Факультета ПИиКТ из Университета ИТМО. Мой научный руководитель - Штенников Дмитрий Геннадьевич. Сегодня я хотел бы представлять вашему вниманию работу “Методы детекции транспортных потоков с помощью компьютерного зрения для улучшения управления светофорами”. Мы рассмотрим, как современные технологии могут существенно улучшить транспортную инфраструктуру городов.»
各位同事下午好。我叫周宏翔，来自圣彼得堡国立信息技术与光学大学计算机科学与信息技术学院。我的科学导师是 Dmitry Gennadievich Shtennikov。今天，我想向大家介绍这项工作“使用计算机视觉的交通流检测方法来改善交通灯控制”。我们将研究现代技术如何显著改善城市的交通基础设施。”

Слайд 2. Введение

С ускорением урбанизации и увеличением числа автомобилей, мы сталкиваемся с растущими заторами на дорогах, а традиционные системы управления светофорами не всегда могут эффективно справляться с изменяющимися условиями дорожного движения. Таким образом, в нашем исследовании предлагается решение на основе технологий компьютерного зрения, которое позволит в реальном времени с помощью видеонаблюдения детектировать транспортные потоки и динамически регулировать работу светофоров, что значительно повысит эффективность дорожного движения.
随着城市化和汽车数量的增加，我们面临着日益严重的交通拥堵，传统的交通灯控制系统无法有效应对不断变化的交通状况。因此，我的研究提出了一种基于计算机视觉技术的解决方案，使实时视频监控能够检测交通流量并动态调整交通信号灯，从而显著提高交通效率。

Слайд 3. Цель и задачи

Основная цель моей работы — разработать систему детекции транспортных потоков, основанную на технологиях компьютерного зрения и машинного обучения, для оптимизации управления светофорами, чтобы улучшить проходимость перекрестков, снизить заторы и повысить эффективность использования городской транспортной инфраструктуры.
我的工作主要目标是开发基于计算机视觉和机器学习技术的交通流检测系统，以优化交通灯控制，从而提高路口吞吐量，减少交通拥堵并提高城市交通基础设施的效率。

Для достижения этой цели перед нами стоят следующие задачи:

1. Оценка существующих методов и технологий для анализа транспортных потоков.
2. Разработка системы для обнаружения транспортных потоков с использованием компьютерного зрения.
3. Разработка алгоритмов для динамической адаптации времени работы светофоров в зависимости от потока транспортных средств.
4. Тестирование и оценка эффективности предложенной системы.

实现这一目标，我们面临的任务如下：

1. 评估现有的交通流分析方法和技术。
2. 开发使用计算机视觉检测交通流的系统。
3. 开发根据车流量动态调整交通信号灯运行时间的算法。
4. 测试并评估所提出的系统的有效性。

Слайд 4. Обозначение проблемы

Теперь рассмотрим на проблемы, которые мы сталкиваемся в современном городе:
现在让我们看看现代城市面临的问题：

• Ограниченные возможности традиционных методов сбора данных о транспортных потоках. Методы статистического анализа не всегда способны учитывать все изменения в реальном времени.
  传统收集交通流数据方法的局限性。统计分析方法并不总是能够考虑到实时的所有变化。
• Отсутствие эффективных методов для учета транспортных потоков в разных направлениях на перекрестках 缺乏高效的统计方法来计算路口不同方向的交通流量
• Неэффективность традиционных систем управления светофорами. Большинство светофоров работают по фиксированным временным интервалам, что не учитывает реальную плотность транспортного потока, приводя к дополнительным задержкам и снижению пропускной способности.
  传统交通灯控制系统效率低下。大多数交通灯以固定的时间间隔运行，没有考虑到实际的交通流密度，从而导致额外的延误和吞吐量降低。

Слайд 5. Решение проблемы:

Теперь, давайте подробно рассмотрим, как именно мы решаем эту задачу с помощью технологий компьютерного зрения
现在，让我们仔细看看如何使用计算机视觉技术来解决这个问题。

1. Сбор и обработка видеоданных 视频数据采集与处理

   • 1.1 Получение видеоданных 接收视频数据 Во-первых, в разных местах перекрестка устанавливаются камеры, которые фиксируют движение транспорта в режиме реального времени. Обычные места установки включают четыре угла перекрестка, чтобы можно было охватить все направления транспортного потока.
     首先，在路口的不同位置安装摄像头，实时记录车辆的移动情况。典型的安装位置包括交叉路口的四个角，以覆盖所有方向的交通流。

   • 1.2 Предварительная обработка данных 数据预处理 Для повышения качества видеоизображений мы применяем предварительную обработку данных, чтобы минимизировать влияние внешних факторов, таких как освещённость или погодные условия.
     为了提高视频图像的质量，我们使用数据预处理来尽量减少光照或天气条件等外部因素的影响。

2. Обнаружение и отслеживание трафика 流量检测与监控

   • 2.1 Обнаружение транспортных средств 车辆检测

     На этом этапе мы используем алгоритм YOLO для поддержки обнаружения нескольких целей в реальном времени. Обучив модель YOLO, мы можем автоматически идентифицировать и маркировать транспортные средства на видеоизображениях, определить местоположение (ограничительную рамку), категорию и достоверность каждого транспортного средства.
     这一步我们使用YOLO算法来支持实时多目标检测。通过训练YOLO模型，我们可以自动识别并标记视频图像中的车辆，确定每辆车的位置（边界框）、类别和可信度。

   • 2.2 Отслеживание транспортных средств 车辆追踪

     После этого мы можем использовать алгоритм для прогнозирования положения на основе текущего состояния движения цели для отслеживания в реальном времени и получения траектории движения транспортного средства.
     之后我们就可以根据目标当前的运动状态利用算法预测位置进行实时跟踪，并得到车辆的轨迹。

   • 2.3 Объезд перекрестков и распознавание направления 十字路口避让和方向识别

     На этом этапе мы можем вручную нарисовать линии принятия решений для различных направлений перекрестка и получить направление движения транспортного средства на основе порядка линий принятия решений, пройденных траекторией движения, для статистики дорожного движения.
     在此阶段，我们可以针对不同的路口方向手动绘制决策线，并根据行驶轨迹经过决策线的顺序得到车辆的行驶方向，以进行交通统计。

3. Анализ транспортного потока 交通流分析 Затем мы рассчитываем количество транспортных средств в каждом направлении и плотность движения за единицу времени, чтобы оценить поток. Эти данные помогают нам анализировать, как транспортные потоки меняются с течением времени, что, в свою очередь, помогает нам принимать более обоснованные решения по управлению дорожным движением.
   然后，我们计算每个方向的车辆数量和单位时间的交通密度来估算流量。这些数据帮助我们分析交通流量随时间的变化，从而帮助我们做出更明智的交通管理决策。

4. Динамическое управление светофором 动态交通灯控制

   • Оптимизируйте расписание работы светофоров 优化交通信号灯调度 Наконец, светофоры динамически регулируют продолжительность сигнала светофора на основе информации о транспортном потоке, полученной со всех направлений, что позволяет повысить эффективность движения на перекрестке.
     最后，交通灯根据从各个方向接收到的交通流信息动态调整交通信号灯的持续时间，从而使路口的交通流量更加高效。

Слайд 6. Заключение

В заключение, предлагаемый метод позволяет значительно улучшить управление светофорами, повысить их интеллектуализацию, уменьшить заторы и снизить выбросы углекислого газа. С помощью технологий компьютерного зрения можно адаптивно регулировать движение в реальном времени, что улучшает эффективность работы городской транспортной системы.
总之，所提出的方法可以显著改善交通灯控制，提高其智能化，减少交通拥堵并减少二氧化碳排放。计算机视觉技术可用于实时自适应地控制交通，提高城市交通系统的效率。

Мы уверены, что предложенная система не только улучшит качество жизни горожан, но и сделает города более экологичными и удобными для жителей. Это шаг к более устойчивому и гармоничному развитию урбанистических центров.
我们相信，拟议的系统不仅将改善城市居民的生活质量，而且还将使城市更加环保、更加方便居民。这是朝着城市中心更加可持续、和谐发展迈出的一步。

Спасибо за внимание!