هوش مصنوعی با استفاده از دوربین‌ها و حسگرهای شهری، تصادفات رانندگی را پیش‌بینی می‌کند.

هوش مصنوعی در ترافیک، دوربین‌ها و حسگرهای شهری را با استفاده از یادگیری ماشینی ترکیب می‌کند تا رفتار وسایل نقلیه را تجزیه و تحلیل کرده و نقاط پرخطر تصادف را پیش‌بینی کند و از این طریق ایمنی جاده‌ها را بهبود بخشد.

پیش‌بینی ترافیک با هوش مصنوعی برای پیش‌بینی تصادفات

دوربین‌های ترافیکی امروزی نه تنها برای نظارت بر تخلفات استفاده می‌شوند، بلکه به منبع داده ارزشمندی برای سیستم‌های هوش مصنوعی نیز تبدیل شده‌اند. به لطف هوش مصنوعی، می‌توان رفتار غیرمعمول وسایل نقلیه را شناسایی و تجزیه و تحلیل کرد و قبل از وقوع تصادفات، نقشه‌های خطر ایجاد کرد.

این یک رویکرد جدید است که به بهبود ایمنی ترافیک کمک می‌کند و از برنامه‌ریزی شهری هوشمند پشتیبانی می‌کند.

نظارت بر ترافیک با هوش مصنوعی، هر حرکتی را در جاده ردیابی می‌کند.

سیستم‌های ترافیک هوش مصنوعی فعلی، داده‌ها را از صدها دوربین و حسگر قرار داده شده در امتداد جاده‌ها جمع‌آوری می‌کنند، از جمله حسگرهایی که سرعت، شتاب، فاصله وسیله نقلیه و جریان ترافیک را به صورت بلادرنگ اندازه‌گیری می‌کنند.

از طریق الگوریتم‌های یادگیری ماشین و یادگیری عمیق، هوش مصنوعی رفتارهای پیشینی که منجر به تصادفات می‌شوند ، مانند تغییر ناگهانی خط، شتاب غیرمنتظره یا عدم رعایت فاصله بیش از حد با خودرو جلویی را شناسایی می‌کند. تجزیه و تحلیل در لحظه به سیستم اجازه می‌دهد تا به محض وقوع رفتار غیرمعمول، به جای تکیه بر داده‌های تصادفات گذشته، ریسک را ارزیابی کند.

طبق تحقیقات Tuoi Tre Online، مدل‌های یادگیری عمیق، به ویژه شبکه‌های عصبی کانولوشن (CNNs)، برای تجزیه و تحلیل تصاویر دوربین‌ها اعمال می‌شوند و داده‌های حسگرها را برای محاسبه سرعت نسبی، حداقل فاصله و زمان واکنش بین وسایل نقلیه ترکیب می‌کنند.

این سیستم نقاط خطر را به هر تقاطع یا بخش جاده اختصاص می‌دهد و نقشه‌ای از «نقاط سیاه بالقوه» برای شهر ایجاد می‌کند. محاسبات لبه‌ای برای پردازش داده‌ها در نزدیکی دوربین‌ها و حسگرها، کاهش تأخیر، محافظت از حریم خصوصی و تضمین پاسخ سریع در هنگام وقوع رفتار خطرناک استفاده می‌شود.

تحقیقات بین‌المللی از آزمایشگاه شهر هوشمند MIT Senseable و پروژه‌های شهر هوشمند در سنگاپور و تورنتو نشان می‌دهد که این روش به شناسایی مناطق پرخطر دو تا سه برابر مؤثرتر از آمار تصادفات سنتی کمک می‌کند.

این سیستم نه تنها رفتارهای غیرمعمول را شناسایی می‌کند، بلکه الگوهای پیچیده جریان ترافیک را از ساعات اوج مصرف گرفته تا شرایط نامساعد جوی ردیابی می‌کند و در نتیجه خطرات را با دقت بیشتری پیش‌بینی می‌کند. هوش مصنوعی همچنین از داده‌های تاریخی یاد می‌گیرد و قابلیت‌های پیش‌بینی خود را با گذشت زمان بهبود می‌بخشد و با تغییر جریان ترافیک سازگار می‌شود.

از نقشه‌برداری نقاط حادثه‌خیز تا بهینه‌سازی ایمنی شهری

برای اینکه نقشه‌های نقاط سیاه مؤثر باشند، سیستم باید حجم عظیمی از داده‌ها را از دوربین‌ها و حسگرها پردازش کرده و آنها را در زمان واقعی تجزیه و تحلیل کند. مدل‌های فعلی هوش مصنوعی از محاسبات لبه‌ای استفاده می‌کنند و داده‌ها را در نزدیکی دوربین به جای ارسال به یک سرور مرکزی پردازش می‌کنند که این امر باعث کاهش تأخیر و محافظت از حریم خصوصی می‌شود.

داده‌های جمع‌آوری‌شده نه‌تنها به شناسایی مناطق پرخطر کمک می‌کند، بلکه به مقامات راهنمایی و رانندگی در تصمیم‌گیری‌های مناسب در مورد تنظیمات چراغ‌های راهنمایی و زیرساخت‌ها نیز یاری می‌رساند.

با این حال، دقت هوش مصنوعی به شرایط محیطی، از روز یا شب، باران یا آفتاب گرفته تا حجم ترافیک و همچنین رفتار عابران پیاده و موتورسواران نیز بستگی دارد . بنابراین، مدل‌های هوش مصنوعی باید با ویژگی‌های ترافیکی هر شهر به دقت تنظیم شوند تا هشدارهای کاذب کاهش یافته و اثربخشی پیش‌بینی افزایش یابد.

هوش مصنوعی تصادفات رانندگی را از طریق دوربین‌ها و حسگرها پیش‌بینی می‌کند.

دقت هوش مصنوعی به همگام‌سازی داده‌های حسگرها و دوربین‌ها، پردازش نوسانات جریان ترافیک و توانایی تشخیص رفتار در شرایط نوری و آب و هوایی مختلف بستگی دارد. هوش مصنوعی در صورت استقرار مؤثر، نه تنها تصادفات را پیش‌بینی می‌کند، بلکه پایه و اساسی برای سیستم‌هایی فراهم می‌کند که سیگنال‌های راهنمایی و رانندگی را بهینه می‌کنند، جریان ترافیک را هماهنگ می‌کنند و ازدحام را کاهش می‌دهند.

این فناوری همچنین چشم‌اندازهایی را برای خودروهای خودران و سیستم‌های حمل و نقل هوشمند باز می‌کند و به شناسایی خطرات قبل از وقوع تصادفات و بهبود ایمنی در شبکه‌های شهری کمک می‌کند.

در مجموع، پیش‌بینی تصادفات رانندگی با استفاده از هوش مصنوعی از طریق دوربین‌ها و حسگرهای شهری، گامی بزرگ در جهت کاربرد هوش مصنوعی در مدیریت ترافیک است. این فناوری، تجزیه و تحلیل رفتاری، داده‌های بلادرنگ و مدل‌های یادگیری عمیق را ترکیب می‌کند و داده‌های نظارتی را به نقشه‌های خطر خاص تبدیل می‌کند که به بهبود ایمنی، بهینه‌سازی جریان ترافیک و ساخت شهرهای هوشمندتر در آینده کمک می‌کند.

برگردیم به موضوع

توآن وی

منبع: https://tuoitre.vn/ai-du-doan-tai-nan-giao-thong-tu-camera-va-sensor-do-thi-20251128174419006.htm