andrei-vasile-dev/TrafficInsights

# TrafficInsights - 基于 AI 的道路交通分析系统 **TrafficInsights** 是一个复杂的分布式软件解决方案，旨在实时监控和分析道路交通。通过利用最先进的深度学习模型和稳健的分布式架构，该系统可为智慧城市基础设施和道路管理提供高精度的交通指标。 ## 🎥 演示

## 🚀 核心功能 - **实时目标检测：** 使用 **YOLOv26** (Medium) 来识别和分类车辆（轿车、卡车、公交车、摩托车）。 - **高级追踪：** 实现了 **ByteTrack** 和 **Kalman Filters**，即使在部分遮挡的情况下，也能在帧之间保持车辆的身份标识。 - **精准速度估算：** 应用 **透视变换** 将 2D 图像坐标映射到 3D 现实世界地面坐标，以实现精确的速度计算。 - **实时视频流：** 使用 **FFmpeg** 和 **HLS (HTTP Live Streaming)** 提供低延迟的视频传输。 - **综合分析：** - 平均速度与中位数速度，第 85 百分位速度。 - 交通强度和密度。 - 平均车头时距（连续车辆之间的时间间隔）。 - 通过交互式图表实现历史数据可视化。 ## 🏗️ 系统架构 该项目在两个不同的计算环境中采用了**分布式架构**，并通过**安全的 SSH 隧道（端口转发）**进行连接。 | 组件 | 环境 | 技术栈 | |-----------|-------------|------------| | **计算机视觉引擎** | **Linux (NVIDIA GPU)** | Python, YOLOv26, ByteTrack, OpenCV, Supervision | | **流媒体服务器** | **Linux** | FFmpeg, HLS, Python (SimpleHTTPServer) | | **后端 API** | **Windows** | ASP.NET Core, Entity Framework Core, SQL Server Express | | **前端仪表板** | **Web 浏览器** | Angular, TypeScript, Bootstrap, Ngx-Charts | ### 📊 数据流与分层设计

## 🛠️ 技术栈详情 - **人工智能：** YOLOv26（目标检测），ByteTrack（多目标追踪）。 - **后端：** 采用 C# 和 ASP.NET Core（REST API），使用 Identity 进行安全身份验证。 - **前端：** Angular 17+, TypeScript，使用 RxJS 进行实时数据更新。 - **数据库：** Microsoft SQL Server（用于关系型存储交通事件和指标）。 - **DevOps/网络：** SSH 隧道，使用 FFmpeg 进行视频转码。 ## 📈 性能结果 基于实地测试，该系统的**平均速度估算误差仅为 7.26%**，是进行交通统计分析的可靠工具。 ## 🖼️ 项目海报（综合） 如需快速了解整个项目的概况，请参阅项目海报： [**查看论文海报**](Demo/poster.png) ## 📂 文档 包含所有理论基础、实现细节和测试结果的完整技术文档（论文书）可以在 `/docs` 文件夹中找到。 ## 👨‍💻 作者 **Vasile Andrei - Daniel** 计算机科学， 普洛耶什蒂石油天然气大学 (Petroleum-Gas University of Ploiești)，**2026**

标签：Angular, ASP.NET Core, Grype, 智慧交通, 目标检测, 目标跟踪, 视频流处理, 逆向工具