A közlekedési mesterséges intelligencia előrejelzi a baleseteket
A közlekedési kamerákat manapság nemcsak a szabálysértések megfigyelésére használják, hanem értékes adatforrássá is válnak a mesterséges intelligencia rendszerei számára. A mesterséges intelligenciának köszönhetően a szokatlan járműviselkedés azonosítható és elemezhető, kockázati térképet készítve, mielőtt baleset történne.
Ez egy új irány a közlekedésbiztonság javítására és az intelligens várostervezés támogatására.
A közlekedési mesterséges intelligencia minden egyes mozgást „vizsgál” az úton
A jelenlegi forgalmi mesterséges intelligencia rendszerek több száz, az utakra elhelyezett kamerából és érzékelőből gyűjtenek adatokat, beleértve azokat az érzékelőket is, amelyek valós időben mérik a sebességet, a gyorsulást, a jármű távolságát és a forgalom nagyságát.
Gépi tanulás és mélytanulási algoritmusok segítségével a mesterséges intelligencia azonosítja a balesetek előfutáraiként nyilvánuló viselkedéseket , például a hirtelen sávváltásokat, a hirtelen gyorsításokat vagy a farolást. A valós idejű elemzés lehetővé teszi a rendszer számára, hogy a rendellenes viselkedés bekövetkeztekor azonnal felmérje a kockázatot, ahelyett, hogy a már bekövetkezett baleseti adatokra támaszkodna.
A Tuoi Tre Online kutatása szerint a mélytanulási modelleket, különösen a konvolúciós neurális hálózatokat (CNN), kamerákból származó képek elemzésére alkalmazzák, az érzékelőktől származó adatok kombinálásával kiszámítják a járművek közötti relatív sebességet, minimális távolságot és reakcióidőt.
A rendszer kockázati pontszámokat rendel minden kereszteződéshez vagy útszakaszhoz, létrehozva egy térképet a város potenciális „fekete pontjairól”. A peremhálózati számítástechnikát használják a kamerák és érzékelők közelében lévő adatok feldolgozására, csökkentve a késleltetést, védve az adatvédelmet, és biztosítva a gyors reagálást , amint veszélyes viselkedés jelenik meg .
Az MIT Senseable City Lab nemzetközi kutatásai, valamint a szingapúri és torontói intelligens város projektek azt mutatják, hogy ez a módszer két-háromszor jobban segít azonosítani a magas kockázatú területeket, mint a hagyományos baleseti statisztikák.
A rendszer nemcsak a szokatlan viselkedést ismeri fel, hanem a csúcsforgalomtól a rossz időjárási körülményekig nyomon követi a komplex forgalmi mintákat is, hogy jobban előre jelezze a kockázatokat. A mesterséges intelligencia a korábbi adatokból is tanul, idővel javítja előrejelzéseit, és alkalmazkodik a forgalom változásaihoz.
A fekete foltok feltérképezésétől a városi biztonság optimalizálásáig
Ahhoz, hogy a fekete folttérkép hatékony legyen, a rendszernek hatalmas mennyiségű adatot kell feldolgoznia a kameráktól és érzékelőktől, és valós időben elemeznie azokat. A jelenlegi mesterséges intelligencia modellek peremhálózati számítástechnikát alkalmaznak, amely a kamera közelében dolgozza fel az adatokat ahelyett, hogy egy központi szerverre küldené azokat, csökkentve a késleltetést és védve az adatvédelmet.
Az összesített adatok nemcsak a kockázatos területek azonosításában segítenek, hanem a közlekedési hatóságokat is támogatják a közlekedési lámpákkal és az infrastruktúrával kapcsolatos megfelelő döntések meghozatalában.
A mesterséges intelligencia pontossága azonban a környezeti viszonyoktól is függ , legyen szó nappalról vagy éjszakáról, esőről vagy napsütésről, nagy vagy gyenge forgalomról, valamint a gyalogosok és motorosok viselkedéséről. Ezért a mesterséges intelligencia modelljeit az egyes városi területek forgalmi jellemzőihez kell finomhangolni, hogy csökkentsük a téves figyelmeztetéseket és növeljük az előrejelzés hatékonyságát.
A mesterséges intelligencia kamerák és érzékelők segítségével előrejelzi a közlekedési baleseteket
A mesterséges intelligencia pontossága az érzékelők és a kamerák adatainak szinkronizálásától, a forgalmi ingadozások kezelésétől, valamint a viselkedés különböző fényviszonyok és időjárási viszonyok közötti felismerésének képességétől függ. Hatékony alkalmazás esetén a mesterséges intelligencia nemcsak a baleseteket jelzi előre, hanem olyan rendszerek alapját is képezi, amelyek optimalizálják a közlekedési lámpákat, koordinálják a forgalmat és csökkentik a torlódásokat.
A technológia megnyitja az utat az önvezető autók és az intelligens közlekedési rendszerek előtt is, amelyek képesek azonosítani a kockázatokat, mielőtt balesetek történnének, és javítani a biztonságot a városi hálózatokon.
Összességében a városi kamerák és érzékelők segítségével végzett mesterséges intelligencia általi közlekedési baleset-előrejelzés jelentős előrelépést jelent a mesterséges intelligencia forgalomirányításban való alkalmazása terén. Ez a technológia ötvözi a viselkedéselemzést, a valós idejű adatokat és a mélytanulási modelleket, a megfigyelési adatokat konkrét kockázati térképekké alakítva, elősegítve a biztonság javítását, a forgalom optimalizálását és az intelligensebb városok építését a jövőben.
Forrás: https://tuoitre.vn/ai-du-doan-tai-nan-giao-thong-tu-camera-va-sensor-do-thi-20251128174419006.htm
Hozzászólás (0)