Na polskich przejściach wciąż ginie ponad 100 osób rocznie.
Od nowelizacji z 1 czerwca 2021 r. pieszy wchodzący na pasy ma pierwszeństwo — liczba zabitych na przejściach spadła o 23,6% (KRBRD, 2019–2023), ale w 2023 r. na oznakowanych przejściach zginęło nadal 131 osób. Pokazujemy ruch na prawdziwym przejściu NA ŻYWO: system liczy pieszych, rowerzystów i pojazdy, AI ocenia każdą sytuację konfliktową, a Ty weryfikujesz jego werdykty — bo na przejściu nawet jedno naruszenie to o jedno za dużo.
Kamera na żywo — AI liczy w czasie rzeczywistym
○ OFFLINEPubliczna kamera przejścia (PL) · 24/7
Jak to działa: 3 modele, które współpracują
Razem dają wynik zbliżony do drogiego, „nieograniczonego” agenta AI — ale za grosze. Zdarzenie powstaje TYLKO gdy pojazd w ruchu spotyka pieszego w strefie przejścia (auto stojące na czerwonym to nie zdarzenie).
Sprawdź AI — kliknij zdarzenie, obejrzyj klip na pełnym ekranie, przejdź do kolejnych
Wczytuję zdarzenia…
Statystyka przejścia — na żywo z bazy danych
Ruch na godzinę (48h)
Przekroczenia prędkości wg pory dnia
Rozkład prędkości pojazdów (orientacyjnie)
Epizody i naruszenia wg AI (na godzinę)
Pobierz pełną analitykę przejścia: Raport HTML Dane CSV
Dlaczego to ważne dla samorządu i KRBRD
tyle kosztują Polskę wypadki drogowe — ok. 1,7% PKB. Jedno naprawione przejście potrafi zwrócić koszt całego programu.KRBRD, PANDORA 2022
spadek liczby ZABITYCH pieszych na przejściach po nowelizacji z 2021 r. (wypadki −7,8%). Działa — trzeba dokończyć.KRBRD 2019–2023
śmiertelność pieszych na milion mieszkańców — jedna z najwyższych w UE-27. Polskie Obserwatorium BRD
UE: −50% ofiar do 2030, zero do 2050 (Safe System). Dostarczamy obiektywne dane, których brakuje w decyzjach o infrastrukturze.EU Road Safety Framework
Open source · dla badaczy i integratorów
Cały projekt jest otwarty (Apache-2.0) — każdy może go powtórzyć, zweryfikować lub rozwinąć. To celowo tani, wielomodelowy system (lokalny detektor + tania LLM + weryfikacja ludzi), który zbliża się jakością do drogiego, „nieograniczonego” agenta AI, ale kosztuje grosze.
Co jest w repo
- Serwis CV (YOLOX ONNX, trekking, strefy, epizody, klipy).
- Warstwa AI: scene-context + analiza zdarzeń (tania LLM).
- Baza danych, API, panel admina kamer.
- Frontend, raporty, docker-compose z limitami zasobów.
Dla badaczy
- Zbieramy anonimowe wyjaśnienia AI + oceny ludzi → zbiór do badań nad surrogate-safety i „did-not-yield”.
- Metoda przenośna na dowolne przejście (opisz scenę → analizuj).
- Uczciwy profil błędów i granic (patrz „Skuteczność”).
Współpraca
Andrii Shramko — computer vision / VR / 3D (Polska).
Wdrożenia, konsultacje, wspólne badania i granty (KRBRD, NCBR, Horizon).
✉ zmei116@gmail.com
in linkedin.com/in/andriishramko
⌥ github.com/AndriiShramko/bezpieczne-przejscia
O projekcie
Bezpieczne Przejścia to osobisty projekt Andrii Shramko — inżyniera VR, wolumetrycznego wideo i widzenia komputerowego. Bez grantu, bez firmy, bez budżetu: jeden mały serwer CPU, otwarty kod i publiczna kamera miejska.
Cel jest prosty: pokazać, że monitoring bezpieczeństwa drogowego może być transparentny, tani i otwarty. Sztuczna inteligencja obserwuje przejście dla pieszych na żywo, wskazuje niebezpieczne sytuacje i tłumaczy swoje decyzje — a każdy odwiedzający może te werdykty zweryfikować i ocenić. Twarze i tablice rejestracyjne są rozmywane, na dysku zostają tylko zanonimizowane statystyki. Cały kod jest publiczny (Apache-2.0).
Zapraszam do współpracy miasta, zarządców dróg, firmy i badaczy: udostępnij kamerę nad przejściem, przetestuj system w swojej gminie albo rozwijaj kod razem ze mną. Kod na GitHubie · napisz przez formularz kontaktowy.
Najczęstsze pytania — bez marketingu, uczciwie
Jak system wykrywa naruszenia?
System nie zgaduje z pojedynczej klatki. Epizod powstaje tylko wtedy, gdy lokalna kinematyka pokazuje dwie rzeczy naraz: pieszy idzie po przejściu i pojazd jedzie przez tę samą strefę (auto stojące na czerwonym to nie epizod). Wtedy sekwencja do 8 klatek trafia do AI, które wydaje werdykt z wyjaśnieniem po polsku. Ostatnie słowo mają ludzie — każdy werdykt można potwierdzić lub odrzucić.
Czy AI się myli?
Tak — i nie ukrywamy tego. Dlatego przy każdym werdykcie są przyciski ✓/✗: każdy odwiedzający może potwierdzić lub odrzucić ocenę AI. Z tych głosów liczymy zgodność AI↔ludzie i publikujemy ją na żywo na stronie głównej. Zdarzenia traktujemy jako kandydatów, nie jako fakty.
Jak mierzona jest prędkość pojazdów?
To estymata monokularna: przesunięcie obiektu w pikselach między klatkami przeliczamy przez znaną skalę pasa ruchu. Wynik jest orientacyjny — błąd może sięgać ±30%. To nie jest radar ani przyrząd pomiarowy i nie stanowi żadnego dowodu prawnego.
Co z prywatnością i RODO?
System nikogo nie identyfikuje: śledzenie używa efemerycznych ID w pamięci, a na dysk trafiają tylko zbiorcze liczniki i krótkie klipy zdarzeń. Dostępne jest rozmywanie twarzy i tablic rejestracyjnych. To demonstrator badawczy, nie nadzór ani egzekwowanie prawa — nie powstaje żaden rejestr wykroczeń. Szczegóły na stronie Zgodność / RODO.
Dlaczego wideo ma kilka sekund opóźnienia i niski FPS?
Źródłem jest strumień HLS, który z natury dzieli wideo na kilkusekundowe segmenty — stąd opóźnienie. Analiza działa na CPU z ograniczonym budżetem obliczeń, więc przetwarzamy kilka klatek na sekundę zamiast pełnych 25. Kolejka wygładzająca dba o płynny podgląd zamiast rwanego obrazu „na żywo za wszelką cenę".
Czy liczone są rowery?
Tak — rowery to osobna klasa detekcji z osobnymi statystykami, bo ich zachowanie na przejściu różni się od pieszych i aut. Motocykle są liczone jako pojazdy.
Skąd pochodzą kamery?
Z publicznych kamer internetowych udostępnianych przez miasta. Źródło każdej kamery jest podane przy podglądzie. Nie instalujemy własnych kamer i nie korzystamy z zamkniętych systemów monitoringu.
Czy mogę uruchomić to na swoim skrzyżowaniu?
Tak — cały projekt jest open source na licencji Apache-2.0: github.com/AndriiShramko/bezpieczne-przejscia. Potrzebny jest publiczny strumień z kamery i mały serwer — wystarczy CPU, bez GPU. Metoda jest przenośna: AI raz opisuje scenę (strefy, pasy, kierunki), a potem analiza działa automatycznie.
Ile to kosztuje?
Prawie nic. Detekcja działa lokalnie na CPU, werdykty AI mieszczą się w darmowym dziennym limicie (free tier), a hosting to mały VPS. Kod jest otwarty — jedyny realny koszt to serwer i czas na konfigurację.
Co robi AI, a co YOLO?
To współpraca trzech „modeli". YOLOX to percepcja: wykrywa pieszych i pojazdy w każdej klatce, lokalnie i za darmo, ale „nie rozumie" sceny. Gemini to zrozumienie: raz opisuje topologię przejścia, a potem ocenia każdy epizod na podstawie sekwencji klatek. Ludzie są ostateczną kontrolą — potwierdzają lub odrzucają werdykty, i z tego liczymy realną trafność.
Porozmawiajmy o Twoim przejściu
Dla samorządu, zarządu dróg, firmy lub projektu badawczego. Odpowiadam w 1–2 dni robocze.