В рамках данной работы авторы рассматривают вопрос ситуационного управления городской инфраструктурой на примере дорожных ситуаций. Актуальность исследования обусловлена сложной ситуацией в области реагирования на проблемы жителей городов. Авторами предлагается разработать интеллектуальный инструмент сбора данных, направленный на своевременное обнаружение дорожных ситуаций, требующих оперативного решения задач ситуационного управления. В тексте статьи приводится описание процесса разработки и тестирования системы распознавания дорожных ситуаций. В частности, описаны процессы сбора данных и дополнительного обучения модели искусственной нейронной сети Mask R-CNN для распознавания новых видов транспортных средств, визуализация обнаруженных ситуаций средствами OpenCV, а также получение и использование тестового набора данных. Кроме того, в настоящей статье авторы описывают примеры реальных ситуаций, возникновение которых приводит к появлению задач ситуационного управления и необходимости их оперативного решения. Разработанная система предназначена для повышения скорости сбора и обработки оперативных данных об изменениях состояния систем городской инфраструктуры с помощью методов распознавания объектов в исследуемых процессах на кадрах видеопотока, снятого с камер системы городского видеонаблюдения. Исследование выполнено за счет гранта Российского научного фонда и Администрации Волгоградской области № 22-11-20024, https://rscf.ru/project/22-11-20024/. Результаты части «Результаты исследования и их обсуждение» получены в рамках гранта Российского научного фонда (РНФ, проект № 20-71-10087).

Within the framework of this work, the authors consider the issue of urban infrastructure situational management on the example of traffic situations. The relevance of the study is due to the difficult situation in the field of citizens problems response. The authors propose to develop an intelligent data collection tool aimed at timely detection of traffic situations that require operative solving of situational management tasks. The text describes the developing and testing process of a traffic situation recognition system. In particular, the processes of data collecting and additional training of the Mask R-CNN artificial neural network model for recognizing new types of vehicles, visualization of detected situations using OpenCV, as well as obtaining and using a test data set are described. In addition, in this article, the authors describe examples of real-life situations, the occurrence of which leads to the emergence of situational management problems and the need for their prompt solution. The developed system is designed to increase the speed of collecting and processing operational data on changes in the state of urban infrastructure systems using methods for recognizing objects in the processes under study on frames of a video stream taken from urban video surveillance cameras. The study was supported by a grant from the Russian Science Foundation and the Administration of the Volgograd Region No. 22-11-20024, https://rscf.ru/project/22-11-20024/. The results of the part «Results of the study and their discussion» were obtained under a grant from the Russian Science Foundation (RSF, project No. 20-71-10087).