KI-basierte Echtzeit-Verkehrsüberwachung und
Prognoselösung für globale Smart Cities

Dieses Projekt ist ein Fallbeispiel für den Aufbau eines intelligenten Fahrzeugerkennungs- und Verkehrsmengenprognose-Systems unter Nutzung der bestehenden CCTV-Infrastruktur in Hauptstädten Malaysias zur Lösung von Stauprob­lemen und Maximierung der Straßenverkehrseffizienz.

TOSKY hat ein fortschrittliches YOLO-basiertes Deep-Learning-Modell optimiert, um verschiedene Fahrzeugklassen wie PKW, LKW und Motorräder in Echtzeit zu identifizieren, angepasst an die spezifischen Straßenverhältnisse in Malaysia.

Insbesondere wurde durch Datenvorverarbeitung und Training unter Berücksichtigung anspruchsvoller Umgebungsvariablen wie drastischer Helligkeitsschwankungen zwischen Tag und Nacht, tropischer Wetterbedingungen und verschiedener Kamerawinkel eine präzise Erkennungsleistung (AP) von über 90% erzielt.
Über die reine Fahrzeugerkennung hinaus wurden die gesammelten Daten mit Zeitreihenanalysen kombiniert, um ein Modell zur Vorhersage der Verkehrsdichte nach Tageszeit zu entwickeln.
Damit wurde eine integrierte Monitoring-Umgebung einschließlich intuitiver Visualisierungs-Dashboards geschaffen, die Verkehrsbehörden eine wissenschaftliche, datenbasierte Straßenpolitik und effiziente Infrastrukturverwaltung ermöglicht.