Контроль за работой водителей Мострансавто усилили с помощью нейросети
13.08.2026 12:31. Агентство "Москва".
Для повышения контроля за работой водителей автобусов министерство транспорта и дорожной инфраструктуры Московской области совместно с АО «Мострансавто» ввели в эксплуатацию нейросеть «НейроВид». Система анализирует видеозаписи с камер более чем в 7 тыс. автобусов, что способствует более быстрому и эффективному анализу данных и повышает производительность, сообщили в пресс-службе подмосковного Минтранса.
«Наша задача – сделать поездки жителей максимально комфортными и безопасными. Внедрение нейросети и автоматизация контроля позволяет не только оперативно выявлять нарушения, но и выстраивать системную работу по их предотвращению. Раньше проверка одного часа работы водителя требовала значительных временных и логистических ресурсов: выезд в филиал, транспортировка данных, ручной просмотр. Теперь этот процесс занимает считанные минуты благодаря «НейроВиду». Мы не просто цифровизируем рутину – мы высвобождаем ресурсы для решения более сложных задач и повышаем прозрачность работы перевозчика», – цитирует пресс-служба министра транспорта и дорожной инфраструктуры региона Марата Сибатулина.
Как пояснили в Минтрансе, ранее за сутки в ручном режиме обрабатывалось 40 часов видео, теперь же с помощью ИИ – 480 часов видеоматериала. Сотрудники филиалов могут самостоятельно загружать видеозапись с камер в систему. Далее видео автоматически попадает в очередь на обработку нейросетью, которая анализирует и выявляет три основных вида нарушений: использование телефона водителем, курение в салоне и прием наличных денежных средств от пассажиров. Всего с помощью «НейроВида» обработали около 3,5 тыс. видео.
Сообщается, что по каждому выявленному случаю система формирует отдельный тикет с соответствующими фрагментами видеозаписи. Далее его смотрит оператор и либо подтверждает факт нарушения, либо отклоняет его. В случае подтверждения тикет используется в дальнейшем для выявления личности нарушителя и принятия дальнейших управленческих мер. После накопления достаточного количества размеченных материалов они в дальнейшем используются для дополнительного обучения модели.