KI-gestützte Verkehrsprognose zur Unfallvorhersage.
Moderne Verkehrskameras dienen nicht nur der Überwachung von Verstößen, sondern sind auch zu einer wertvollen Datenquelle für KI-Systeme geworden. Dank künstlicher Intelligenz lassen sich ungewöhnliche Fahrzeugverhaltensweisen erkennen und analysieren, wodurch Risikokarten erstellt werden können, bevor es zu Unfällen kommt.
Dies ist ein neuer Ansatz, der zur Verbesserung der Verkehrssicherheit beiträgt und eine intelligente Stadtplanung unterstützt.
Die KI-gestützte Verkehrsüberwachung erfasst jede Bewegung auf der Straße.
Aktuelle KI-Verkehrssysteme sammeln Daten von Hunderten von Kameras und Sensoren, die auf den Straßen angebracht sind, darunter Sensoren, die Geschwindigkeit, Beschleunigung, Fahrzeugabstand und Verkehrsfluss in Echtzeit messen.
Mithilfe von maschinellem Lernen und Deep-Learning-Algorithmen identifiziert KI Verhaltensweisen, die Unfällen vorausgehen , wie plötzliche Spurwechsel, unerwartetes Beschleunigen oder zu geringer Abstand. Die Echtzeitanalyse ermöglicht es dem System, das Risiko sofort nach Auftreten ungewöhnlichen Verhaltens einzuschätzen, anstatt sich auf vergangene Unfalldaten zu stützen.
Laut einer Studie von Tuoi Tre Online werden Deep-Learning-Modelle, insbesondere Convolutional Neural Networks (CNNs), 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 Risikopunkte 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 bei gefährlichem Verhalten .
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 effektiver zu identifizieren als herkömmliche Unfallstatistiken.
Das System erkennt nicht nur ungewöhnliches Verhalten, sondern verfolgt auch komplexe Verkehrsmuster – von Stoßzeiten bis hin zu widrigen Wetterbedingungen – und kann so Risiken präziser vorhersagen. Die KI lernt zudem aus historischen Daten, verbessert ihre Vorhersagefähigkeiten kontinuierlich und passt sich dem sich ändernden Verkehrsfluss an.
Von der Unfallschwerpunktkartierung bis zur Optimierung der städtischen Sicherheit
Damit die Karten von Verkehrsunfallschwerpunkten effektiv sind, muss das System riesige Datenmengen von Kameras und Sensoren verarbeiten und in Echtzeit analysieren. Aktuelle KI-Modelle nutzen Edge Computing, d. h. sie verarbeiten die Daten in der Nähe der Kamera, anstatt sie an einen zentralen Server zu senden. Dies reduziert die Latenz und schützt die Privatsphäre.
Die aggregierten Daten helfen nicht nur bei der Identifizierung von Risikogebieten, sondern unterstützen auch die Verkehrsbehörden bei der Entscheidungsfindung hinsichtlich der Anpassung von Ampelanlagen und der Infrastruktur.
Die Genauigkeit von KI hängt jedoch auch von den Umgebungsbedingungen ab , wie Tag oder Nacht, Regen oder Sonnenschein, Verkehrsaufkommen sowie dem Verhalten von Fußgängern und Motorradfahrern. Daher müssen KI-Modelle an die Verkehrscharakteristika jeder Stadt angepasst werden, um Fehlalarme zu reduzieren und die Vorhersagegenauigkeit zu erhöhen.
KI sagt Verkehrsunfälle mithilfe von Kameras und Sensoren voraus.
Die Genauigkeit von KI hängt von der Synchronisierung von Sensor- und Kameradaten, der Verarbeitung von Verkehrsflussschwankungen 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, den Verkehrsfluss koordinieren und Staus reduzieren.
Diese Technologie eröffnet auch Perspektiven für selbstfahrende Autos und intelligente Transportsysteme und hilft dabei, Risiken zu erkennen, bevor es zu Unfällen kommt, und die Sicherheit in städtischen Netzen zu verbessern.
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, die dazu beitragen, die Sicherheit zu verbessern, den Verkehrsfluss 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)