Verkehrs-KI sagt Unfälle voraus
Verkehrskameras dienen heute nicht nur der Überwachung von Verstößen, sondern sind auch eine wertvolle Datenquelle für KI-Systeme. Dank künstlicher Intelligenz lassen sich ungewöhnliche Fahrzeugverhaltensweisen erkennen und analysieren, wodurch sich vor einem Unfall eine Risikokarte erstellen lässt.
Dies ist ein neuer Ansatz zur Verbesserung der Verkehrssicherheit und zur Unterstützung einer intelligenten Stadtplanung.
Die Verkehrs-KI „überprüft“ jede Bewegung auf der Straße
Aktuelle Verkehrs-KI-Systeme sammeln Daten von Hunderten von Kameras und Sensoren, die auf den Straßen angebracht sind, darunter Sensoren, die Geschwindigkeit, Beschleunigung, Fahrzeugabstand und Verkehrsaufkommen in Echtzeit messen.
Mithilfe von Algorithmen für maschinelles Lernen und Deep Learning identifiziert KI Verhaltensweisen, die Unfällen vorausgehen , wie plötzliche Spurwechsel, abruptes Beschleunigen oder zu dichtes Auffahren. Die Echtzeitanalyse ermöglicht es dem System, das Risiko sofort nach Auftreten eines ungewöhnlichen Verhaltens einzuschätzen, anstatt sich auf bereits erfolgte Unfalldaten zu stützen.
Laut einer Studie von Tuoi Tre Online werden Deep-Learning-Modelle, insbesondere Convolutional Neural Networks (CNN), zur Analyse von Kamerabildern eingesetzt. Dabei werden Daten von Sensoren kombiniert, um die relative Geschwindigkeit, den Mindestabstand und die Reaktionszeit zwischen Fahrzeugen zu berechnen.
Das System ordnet jeder Kreuzung oder jedem Straßenabschnitt Risikobewertungen zu und erstellt so eine Karte potenzieller Gefahrenstellen in der Stadt. Edge-Computing wird eingesetzt, um Daten in der Nähe von Kameras und Sensoren zu verarbeiten. Dies reduziert die Latenz, schützt die Privatsphäre und gewährleistet eine schnelle Reaktion , sobald gefährliches Verhalten auftritt .
Internationale Forschungsergebnisse des MIT Senseable City Lab und von Smart-City-Projekten in Singapur und Toronto zeigen, dass diese Methode dabei hilft, Risikogebiete zwei- bis dreimal besser zu identifizieren als herkömmliche Unfallstatistiken.
Das System erkennt nicht nur ungewöhnliches Verhalten, sondern verfolgt auch komplexe Verkehrsmuster – von der Hauptverkehrszeit bis hin zu schlechten Wetterbedingungen –, um Risiken besser vorherzusagen. Die KI lernt zudem aus historischen Daten, verbessert ihre Prognosen im Laufe der Zeit und passt sich Veränderungen im Verkehrsfluss an.
Von der Kartierung von Unfallschwerpunkten bis zur Optimierung der städtischen Sicherheit
Damit die Karte der Funklöcher effektiv ist, muss das System riesige Datenmengen von Kameras und Sensoren verarbeiten und in Echtzeit analysieren. Aktuelle KI-Modelle nutzen Edge Computing, das Daten in der Nähe der Kamera verarbeitet, anstatt sie an einen zentralen Server zu senden. Dadurch werden Latenzzeiten reduziert und die Privatsphäre geschützt.
Die aggregierten Daten helfen nicht nur bei der Identifizierung von Risikobereichen, sondern unterstützen auch die Verkehrsbehörden bei der Entscheidungsfindung in Bezug auf Verkehrssignale und Infrastruktur.
Die Genauigkeit von KI hängt jedoch auch von den Umgebungsbedingungen ab , wie Tag oder Nacht, Regen oder Sonnenschein, starkem oder schwachem Verkehr sowie dem Verhalten von Fußgängern und Motorradfahrern. Daher müssen KI-Modelle an die Verkehrscharakteristika jedes Stadtgebiets angepasst werden, um Fehlalarme zu reduzieren und die Prognosegenauigkeit zu erhöhen.
KI sagt Verkehrsunfälle anhand von Kamera- und Sensordaten voraus.
Die Genauigkeit von KI hängt von der Synchronisierung von Sensor- und Kameradaten, dem Umgang mit Verkehrsschwankungen und der Fähigkeit ab, Verhalten unter verschiedenen Licht- und Wetterbedingungen zu erkennen. Bei effektivem Einsatz prognostiziert KI nicht nur Unfälle, sondern bildet auch die Grundlage für Systeme, die Ampeln optimieren, Verkehrsflüsse koordinieren und Staus reduzieren.
Die Technologie eröffnet auch die Perspektive von selbstfahrenden Autos und intelligenten Transportsystemen, die Risiken erkennen können, bevor Unfälle passieren, und die Sicherheit in städtischen Netzen verbessern können.
Insgesamt stellt die KI-gestützte Vorhersage von Verkehrsunfällen mithilfe von städtischen Kameras und Sensoren einen bedeutenden Fortschritt in der Anwendung künstlicher Intelligenz im Verkehrsmanagement dar. Diese Technologie kombiniert Verhaltensanalysen, Echtzeitdaten und Deep-Learning-Modelle und wandelt Überwachungsdaten in spezifische Risikokarten um. Dies trägt dazu bei, die Sicherheit zu erhöhen, Verkehrsflüsse zu optimieren und in Zukunft intelligentere Städte zu entwickeln.
Quelle: https://tuoitre.vn/ai-du-doan-tai-nan-giao-thong-tu-camera-va-sensor-do-thi-20251128174419006.htm
Kommentar (0)