Исследователи научили ИИ измерять безопасность веломаршрутов по видео с руля и переводить качество инфраструктуры в конкретные баллы

Исследователи разработали систему городского мониторинга, которая превращает обычную поездку на велосипеде в аудит уличной сети. Камера на руле снимает улицу, нейросеть VLM (модель компьютерного зрения, умеющая описывать кадры словами) распознает дорожную обстановку, а алгоритм EBM (модель машинного обучения с прозрачной логикой принятия решений) объединяет эти атрибуты с картами OpenStreetMap и показателями движения велосипеда. В итоге система выставляет отрезку улицы оценку субъективной безопасности от 1 до 9.

Для урбанистов и проектировщиков это способ оцифровать проектные решения: модель показывает вклад каждого элемента в баллах. На тестах по двум маршрутам Лондона физически отделенная велополоса добавляет к рейтингу 0,97 балла, нарисованная на асфальте — 0,70 балла, а стройплощадка забирает 0,65 балла. На массиве из 1362 размеченных кадров модель показала точность 72,2% и среднюю ошибку около одного балла. На практике это значит, что эффект от установки бордюра или переразметки улицы можно рассчитать заранее и сразу заложить в экономическое обоснование проекта.

Слабое место — человеческий фактор при обучении: коэффициент согласия между разметчиками при оценке кадров составил всего 0,4695 (люди сильно расходятся в восприятии опасности). К тому же локальная нейросеть тратит 2,49 секунды на один кадр, поэтому при масштабировании на тысячи велосипедистов приходится снижать частоту опроса.

Текст подготовлен ИИ по материалу первоисточника.