交通管理的关键问题之一是车辆在非高峰时段的延误。不断的减速、制动和加速导致十字路口通行能力下降，气体污染增加。南乌拉尔国立大学的科学家是俄罗斯第一个开发数学模型的人，该模型可以告诉驾驶员以什么速度行驶才能通过十字路口而无需停车。
“我们的建议是：利用人工智能计算汽车获得绿灯所需的平均移动速度，”汽车运输部助理奥尔加·法迪纳说道。 – “在这种情况下，会考虑很多因素：十字路口之间的距离、第一辆车从前一个十字路口移动的速度、排队的汽车数量以及驶来的汽车数量 邻近街道和庭院的信息、汽车的类型和品牌、离开十字路口的速度 - 这将根据其动态尺寸提前计算。 再加上路面的质量——冰、雨、电车轨道、道路坡度。”
该道路将使用南乌拉尔国立大学开发的智能车辆监控系统 AIMS（自适应智能移动系统）进行监控。按照计划，建议的速度应显示在交叉路口之间安装的动态路标上。您还可以将此数据上传到移动应用程序或Yandex Navigator。世界上也存在类似的技术方案。 例如，沃尔沃在其汽车上传输速度建议。每个人都将能够使用车里雅宾斯克科学家的发明。
“通过这个数学模型，我们预计非高峰时段十字路口的能力将提高 10-30%，”奥尔加·法迪纳说道。 – “拟议的视频监控系统不需要任何特殊费用：这些是道路摄像机和软件。工作的主要难点是加载大量数据进行AI训练。要了解十字路口的队列将以多快的速度离开，仅了解汽车的数量和类别是不够的。例如，您需要考虑哪辆巴士在队列中 - 第一辆、第二辆、第三辆或最后一辆 - 旅行时间也取决于此。 现在我正在考虑所有这些选择。”
据科学家称，驾驶员纪律应该不存在问题：如果大多数人遵守建议的速度限制，那么其余的人，无论愿意与否，都将不得不随大流。 未来，将有可能建立一个完整的交通信号灯系统，该系统将根据城市的交通流量进行实时调整。
智能交通系统已在伦敦、多伦多、斯德哥尔摩等全球多个大城市成功实施。 为大城市配备自适应交通灯系统是一个复杂的技术问题，车里雅宾斯克的科学家们更接近解决这个问题。
“我们的 AIMS-Eco 系统确实可以接管自适应交通灯控制的部分功能，”南乌拉尔国立大学汽车运输系副教授弗拉基米尔·谢佩列夫说道。 “它能够实时构建交通流的数字模型，评估其强度、密度、速度和运动方向。”
车里雅宾斯克科学家的开发已经在马格尼托哥尔斯克进行测试，主要用于监测车辆排放。 该系统对车辆进行分类，评估十种污染排放，同时考虑交通流量的强度和气象因素，如风强和风向、湿度、压力和环境温度。第一阶段测试涉及12个摄像头，进行测量和评估； 在第二阶段，将增加 14 个，在第三阶段，到 2025-26 年，将再增加 21 个。所有 47 个摄像机将能够监测马格尼托哥尔斯克整个运输线路的排放。
随着时间的推移，人工智能将协调整个城市的交通流量，预测拥堵并分配负载。 由于5G技术、分布式计算和云服务的发展，该技术的实施将成为可能。到2030年底，人工智能系统将成为大城市“智能出行”不可或缺的一部分。
该研究是在科学与大学国家项目大学“优先2030”战略发展计划”的支持下进行的。