Verkeers-AI voorspelt ongelukken
Verkeerscamera's worden tegenwoordig niet alleen gebruikt om overtredingen te monitoren, maar vormen ook een waardevolle databron voor AI-systemen. Dankzij kunstmatige intelligentie (AI) kan ongebruikelijk voertuiggedrag worden geïdentificeerd en geanalyseerd, waardoor een risicokaart kan worden gemaakt voordat een ongeval plaatsvindt.
Dit is een nieuwe richting om de verkeersveiligheid te verbeteren en slimme stadsplanning te ondersteunen.
Verkeers-AI 'onderzoekt' elke beweging op de weg
Huidige AI-systemen voor het verkeer verzamelen gegevens via honderden camera's en sensoren op wegen. Deze sensoren meten onder meer de snelheid, acceleratie, voertuigafstand en verkeersvolume in realtime.
Met behulp van machine learning en deep learning-algoritmen identificeert AI gedragingen die voorafgaan aan ongevallen , zoals plotselinge rijstrookwisselingen, plotselinge acceleratie of te dicht op de voorganger rijden. Realtime analyse stelt het systeem in staat om risico's te beoordelen zodra afwijkend gedrag optreedt, in plaats van te vertrouwen op ongevalsgegevens die al hebben plaatsgevonden.
Volgens het onderzoek van Tuoi Tre Online worden deep learning-modellen, en dan met name convolutionele neurale netwerken (CNN's), toegepast om beelden van camera's te analyseren. Hierbij worden gegevens van sensoren gecombineerd om de relatieve snelheid, minimale afstand en reactietijd tussen voertuigen te berekenen.
Het systeem kent risicoscores toe aan elk kruispunt of weggedeelte en creëert zo een kaart met potentiële 'black spots' voor de stad. Edge computing wordt gebruikt om gegevens in de buurt van camera's en sensoren te verwerken, waardoor de latentie wordt verminderd, de privacy wordt beschermd en er snel kan worden gereageerd zodra er gevaarlijk gedrag optreedt .
Uit internationaal onderzoek van MIT Senseable City Lab en smart city-projecten in Singapore en Toronto blijkt dat deze methode twee tot drie keer effectiever is bij het identificeren van gebieden met een hoog risico dan traditionele ongevalsstatistieken.
Het systeem herkent niet alleen ongebruikelijk gedrag, maar volgt ook complexe verkeerspatronen, van spits tot slechte weersomstandigheden, om risico's beter te kunnen voorspellen. De AI leert ook van historische gegevens, verbetert zijn voorspellingen in de loop van de tijd en past zich aan veranderingen in de verkeersstroom aan.
Van het in kaart brengen van zwarte plekken tot het optimaliseren van de stedelijke veiligheid
Om de blackspotkaart effectief te laten zijn, moet het systeem een enorme hoeveelheid data van camera's en sensoren verwerken en in realtime analyseren. Huidige AI-modellen maken gebruik van edge computing, waarbij data dicht bij de camera wordt verwerkt in plaats van naar een centrale server te worden gestuurd. Dit vermindert de latentie en beschermt de privacy.
De verzamelde gegevens helpen niet alleen bij het identificeren van risicogebieden, maar ondersteunen verkeersautoriteiten ook bij het nemen van passende beslissingen over verkeerslichten en infrastructuur.
De nauwkeurigheid van AI hangt echter ook af van de omgevingsomstandigheden , van dag of nacht, regen of zonneschijn, tot druk of licht verkeer, en van het gedrag van voetgangers en motorrijders. Daarom moeten AI-modellen worden afgestemd op de verkeerskenmerken van elk stedelijk gebied om valse waarschuwingen te verminderen en de efficiëntie van voorspellingen te verhogen.
AI voorspelt verkeersongevallen met camera's en sensoren
De nauwkeurigheid van AI hangt af van de synchronisatie van sensor- en cameradata, het omgaan met verkeersfluctuaties en het vermogen om gedrag te herkennen onder verschillende licht- en weersomstandigheden. Wanneer AI effectief wordt ingezet, voorspelt het niet alleen ongevallen, maar vormt het ook de basis voor systemen die verkeerslichten optimaliseren, verkeersstromen coördineren en files verminderen.
De technologie biedt bovendien mogelijkheden voor zelfrijdende auto's en intelligente transportsystemen, die risico's kunnen identificeren voordat er ongelukken plaatsvinden en de veiligheid in stedelijke netwerken kunnen verbeteren.
Al met al is AI-voorspelling van verkeersongevallen met behulp van stadscamera's en sensoren een grote stap voorwaarts in de toepassing van kunstmatige intelligentie (AI) in verkeersmanagement . Deze technologie combineert gedragsanalyse, realtime data en deep learning-modellen, en zet bewakingsgegevens om in specifieke risicokaarten. Dit draagt bij aan het verbeteren van de veiligheid, het optimaliseren van verkeersstromen en het bouwen van slimmere steden in de toekomst.
Bron: https://tuoitre.vn/ai-du-doan-tai-nan-giao-thong-tu-camera-va-sensor-do-thi-20251128174419006.htm
Reactie (0)