Sztuczna inteligencja ruchu drogowego przewiduje wypadki
Kamery drogowe służą dziś nie tylko do monitorowania wykroczeń, ale stają się również cennym źródłem danych dla systemów sztucznej inteligencji. Dzięki sztucznej inteligencji możliwe jest identyfikowanie i analizowanie nietypowych zachowań pojazdów, tworząc mapę ryzyka jeszcze przed wypadkiem.
To nowy kierunek działań, który ma na celu poprawę bezpieczeństwa ruchu drogowego i wsparcie inteligentnego planowania urbanistycznego.
Sztuczna inteligencja ruchu drogowego „analizuje” każdy ruch na drodze
Obecne systemy sztucznej inteligencji monitorujące ruch drogowy zbierają dane z setek kamer i czujników umieszczonych na drogach, w tym czujników mierzących prędkość, przyspieszenie, odległość pojazdu i natężenie ruchu w czasie rzeczywistym.
Wykorzystując algorytmy uczenia maszynowego i głębokiego, sztuczna inteligencja identyfikuje zachowania poprzedzające wypadki , takie jak nagła zmiana pasa ruchu, gwałtowne przyspieszenie czy jazda „na zderzaku”. Analiza w czasie rzeczywistym pozwala systemowi oceniać ryzyko natychmiast po wystąpieniu nietypowego zachowania, zamiast opierać się na danych o wypadkach, które już miały miejsce.
Według badań Tuoi Tre Online modele głębokiego uczenia, zwłaszcza sieci neuronowe splotowe (CNN), są stosowane do analizy obrazów z kamer, łącząc dane z czujników w celu obliczenia prędkości względnej, minimalnej odległości i czasu reakcji między pojazdami.
System przypisuje punkty ryzyka każdemu skrzyżowaniu lub odcinkowi drogi, tworząc mapę potencjalnych „czarnych punktów” w mieście. Edge computing służy do przetwarzania danych w pobliżu kamer i czujników, co zmniejsza opóźnienia, chroni prywatność i zapewnia szybką reakcję w przypadku wystąpienia niebezpiecznego zachowania .
Międzynarodowe badania przeprowadzone przez MIT Senseable City Lab oraz projekty inteligentnych miast w Singapurze i Toronto dowodzą, że metoda ta pozwala identyfikować obszary wysokiego ryzyka dwa do trzech razy dokładniej niż tradycyjne statystyki dotyczące wypadków.
System nie tylko rozpoznaje nietypowe zachowania, ale także śledzi złożone wzorce przepływu ruchu, od godzin szczytu po złe warunki pogodowe, aby lepiej przewidywać zagrożenia. Sztuczna inteligencja uczy się również na podstawie danych historycznych, ulepszając swoje prognozy w czasie i dostosowując się do zmian w przepływie ruchu.
Od mapowania czarnych punktów do optymalizacji bezpieczeństwa miejskiego
Aby mapa czarnych punktów była skuteczna, system musi przetwarzać ogromne ilości danych z kamer i czujników oraz analizować je w czasie rzeczywistym. Obecne modele sztucznej inteligencji wykorzystują przetwarzanie brzegowe, które przetwarza dane w pobliżu kamery, zamiast wysyłać je do centralnego serwera, co zmniejsza opóźnienia i chroni prywatność.
Zebrane dane nie tylko pomagają zidentyfikować obszary ryzyka, ale także wspierają organy nadzoru ruchu drogowego w podejmowaniu właściwych decyzji dotyczących sygnalizacji świetlnej i infrastruktury.
Jednak dokładność sztucznej inteligencji (AI) zależy również od warunków środowiskowych , takich jak dzień czy noc, deszcz czy słońce, natężenie ruchu, a także zachowanie pieszych i motocyklistów. Dlatego modele AI muszą być precyzyjnie dostrojone do charakterystyki ruchu w danym obszarze miejskim, aby ograniczyć liczbę fałszywych ostrzeżeń i zwiększyć skuteczność prognozowania.
Sztuczna inteligencja przewiduje wypadki drogowe na podstawie danych z kamer i czujników
Dokładność sztucznej inteligencji (AI) zależy od synchronizacji danych z czujników i kamer, uwzględniania wahań ruchu oraz zdolności rozpoznawania zachowań w różnych warunkach oświetleniowych i pogodowych. Skutecznie wdrożona sztuczna inteligencja nie tylko przewiduje wypadki, ale także stanowi podstawę systemów optymalizujących sygnalizację świetlną, koordynujących przepływy ruchu i redukujących korki.
Technologia ta otwiera również perspektywę rozwoju samochodów autonomicznych i inteligentnych systemów transportowych, które będą w stanie identyfikować zagrożenia jeszcze przed wypadkiem i poprawiać bezpieczeństwo w sieciach miejskich.
Ogólnie rzecz biorąc, prognozowanie wypadków drogowych za pomocą sztucznej inteligencji (AI) z kamer i czujników miejskich stanowi ogromny krok naprzód w zastosowaniu sztucznej inteligencji w zarządzaniu ruchem drogowym . Technologia ta łączy analizę behawioralną, dane w czasie rzeczywistym i modele głębokiego uczenia (deep learning), przekształcając dane z monitoringu w mapy zagrożeń, co przyczynia się do poprawy bezpieczeństwa, optymalizacji przepływu ruchu i budowania inteligentniejszych miast w przyszłości.
Source: https://tuoitre.vn/ai-du-doan-tai-nan-giao-thong-tu-camera-va-sensor-do-thi-20251128174419006.htm
Komentarz (0)