Інтелектуальна система керування світлофорами на основі комп’ютерного зору

DOI: 10.31673/2412-9070.2026.318120

Анотація

У статті представлено розробку та експериментальну перевірку прототипу інтелектуальної системи керування світлофором на основі комп'ютерного зору та глибокого навчання. Неефективність традиційних світлофорів із фіксованим циклом спричиняє хронічні затори, призводить до втрат часу та палива і перешкоджає проїзду пріоритетних транспортних засобів (швидка допомога, пожежні машини, аварійні служби). Запропонована система вирішує цю проблему через адаптивне керування фа-зами на основі аналізу відеопотоку в реальному часі.
Архітектура реалізована на Python із використанням Ultralytics YOLOv8n для вияв-лення об'єктів, OpenCV для захоплення відео та візуалізації, FastAPI і Uvicorn для асинх-ронного REST API з автоматичною документацією. Модуль просторового аналізу спи-рається на полігональні зони («північ–південь», «схід–захід», пішохідна), конфігурація яких зберігається у форматі JSON відповідно до реальної геометрії перехрестя. Логіка керування реалізована як скінченний автомат із шістьма фазами: зелений і жовтий для напрямку «північ–південь», червоний для всіх напрямків, зелений і жовтий для напрямку «схід–захід», червоний для всіх напрямків. Модуль рішень поєднує часові обмеже-ння (мінімальна і максимальна тривалість зеленої фази) з динамічним порівнянням за-вантаженості та забезпечує пріоритетний проїзд екстрених служб із негайним пере-миканням фази. Усі рішення фіксуються з поясненням причини перемикання. Потоко-безпечна архітектура синхронізує доступ до спільних даних між відеоциклом і вебсер-вером. REST API надає ендпоінти для моніторингу стану системи, отримання метрик (кількість транспортних засобів, пішоходи, пріоритетний транспорт, FPS) і ручного керування фазами. Проведено аналіз суміжних досліджень із YOLO, LLM-агентів і навчання з підкріпленням, що підтверджує відповідність рішень глобальним тенденціям. Визначено обмеження прототипу (одне перехрестя, відсутність трекінгу, емулятор контролера) й окреслено дорожню карту: інтеграція з промисловими контролерами, трекінг, підтримка кількох камер, збереження метрик у базі даних і резервування на випадок відмови штучного інтелекту. Прототип може слугувати основою для промис-лових систем керування транспортними потоками у розумних містах.

Ключові слова: штучний інтелект, адаптивне керування світлофором, комп'ютерний зір, глибинне навчання, детекція об'єктів, інформаційна система, управління, відеоаналітика.