Sistemi za nadzor saobraćaja su uobičajena pojava na svim razvijenim mrežama puteva širom svijeta. Tipično se sastoje od semafora, statičkih i dinamičkih znakova, detektora vozila sa indukcionim petljama, radio opreme, kamera za brzinu, kamera za detekciju registarskih tablica i CCTV kamera. Sami sistemi za upravljanje saobraćajem se upravljaju iz sigurne kontrolne sobe gdje ovlašteno osoblje osigurava upravljanje sistemom.
Operateri kontrolnih soba su obično visoko obučeni i iskusni, što ih čini traženim. Često je izazovno regrutovati i zadržati takve operatere i osigurati dovoljno kvalifikovanih operatera na smjeni jer ove kontrolne sobe rade 24/7. Umjetna inteligencija može značajno pomoći operaterima kontrolnih soba u efikasnijem upravljanju kontrolom i izvršavanju više zadataka zasnovanih na događajima, kao što su detekcija anomalijskih događaja, uključujući kvarove vozila, sudare vozila ili druge opasnosti na putu i detekcija brzine kretanja.
Ova studija slučaja istražuje kako se ekspertni sistem vještačke inteligencije može implementirati i koristiti u kontrolnoj sali za nadzor saobraćaja kako bi se pokrenuli bolji rezultati za sve koji interaguju sa složenim sistemima. Dakle, operateri u kontrolnoj sali i putnici putuju po različitim mrežama puteva.
Tehnike računarske geometrije, koje su dobro utemeljene u računarskoj grafici, mogu se koristiti za otkrivanje dodatnog konteksta kada se objekti prate. Na primjer, sudar dva vozila može se efikasno otkriti putem algoritama za računarsko otkrivanje sudara, uključujući presjek dva granična okvira koji okružuju svako pojedinačno vozilo.
Od suštinskog je značaja koristiti klasične algoritamske tehnike u ekspertnim sistemima jer su pouzdaniji i efikasniji s obzirom na to da je njihovo programiranje tačno. Sistemi vještačke inteligencije trebali bi biti ograničeni na način na koji čovjek donosi konačnu odluku o radnji koja će se preduzeti. To je zato što, iako su sistemi vještačke inteligencije veoma pouzdani, postoji margina greške koju treba ublažiti. Stoga preporučujemo implementaciju ekspertnih sistema na hibridni način, koristeći najbolje od tehnika vještačke inteligencije i klasičnog algoritamskog programiranja.
Pregled organizacionog izazova
Ekspertni sistemi su složeni za implementaciju u okruženju kao što je kontrolna soba. Pored tehnoloških izazova, brojne administrativne prepreke, zahtjevi za usklađenošću i interni procesi moraju se slijediti kako bi se osigurala adekvatna implementacija. Iako je tehnologija izazovna za upravljanje projektima i implementaciju unutar mnogih velikih organizacija, prednosti obično i dalje prevazilaze troškove neimplementiranja istih zbog tehničkog duga.
Stalno gledanje u ekrane satima bez prestanka, kada većinu vremena se ne dešava ništa naročito neobično, je težak zadatak za većinu ljudi i biilo bi dosadno. Prirodno je pretpostaviti da bi bilo teško održati koncentraciju kako vrijeme prolazi. Gorenavedeno je područje u kojem ekspertni AI sistemi blistaju. Sistem može stalno pratiti dovode kamera za događaje koji zahtijevaju odgovor i davati prijedloge operateru kontrolne sobe o tome kako bi mogli postupiti.
U nastavku su navedeni neki primjeri koji opisuju kako AI može raditi s operaterom kontrolne sale:
- Ako dva ili više vozila koliziraju, AI će to otkriti, zabilježiti incident i upozoriti operatera kontrolne sobe.
- Ako vozilo vozi neprimjerenom brzinom, AI može razmotriti upozoravanje vozača putem digitalnog znaka.
- U slučaju da se na cesti otkrije opasnost, AI može upozoriti operatera kontrolne sobe i predložiti zatvaranje trake dok ekipa ne ukloni opasnost.
Organizacioni podaci dostupni kao AI ulaz
Slijede spiskovi izvora podataka koje koriste automatizovani sistemi za praćenje saobraćaja:
- CCTV kamere, pozicionirane duž različitih mreža puteva.
- Informacije o signalima sa kamera za nadzor saobraćaja koje ukazuju na stanje mreže puteva.
- Indukcione petlje detektora vozila pružaju podatke kao što je težina vozila.
- Podaci sa LiDAR senzora za dopunu CCTV izvora, što je za neke slučajeve upotrebe pouzdanije za obradu za računarsko prepoznavanje.
Metodologija integracije
Slijedi pregled procesa koji bismo izveli za integraciju ekspertnog sistema za praćenje saobraćaja zasnovanog na inteligenciji članaka unutar kontrolne sale:
- Identifikujte CCTV/LiDAR feedove i sistem kamera koji obezbjeđuje praćenje i snimanje takvih feedova.
- Proslijeđivanje feedova superkompjuteru ili provajderu cloud računarstva za analizu i obradu u realnom vremenu.
- Provucite feedove kroz Telemus AI™ i vratite augmentirane video feedove nazad u sisteme za sigurnosno praćenje unutar kontrolne sobe.
- Postavite prilagođena obavještenja za sigurnosno osoblje na osnovu onoga što je otkriveno i u skladu sa parametrima u kojima operateri kontrolne sobe žele da sistem radi.
- Stalno procjenjujte performanse sistema umjetne inteligencije kako biste ga poboljšali i kontinuirano pokretali još veće efikasnosti.
S obzirom na to da Telemus AI™ vodi računa o tehničkoj implementaciji umjetne inteligencije, organizacije se mogu fokusirati na poslovnu logiku i interne procese i procedure ugrađivanja tehnoloških mogućnosti.
Organizacione aplikacije
Slijede druge potencijalne aplikacije za vašu organizaciju:
- Poboljšanje efikasnosti, efektivnosti i performansi kontrolnih soba za saobraćaj.
- Određivanje kritičnih tačaka saobraćaja za optimizaciju urbanističkog planiranja radi smanjenja gužve u saobraćaju.
- Praćenje vozila flote ako se nalaze unutar parkinga i vraćeni od strane zaposlenih kompanije.
- Praćenje vozila unutar parkinga i mjerenje trajanja boravka radi boljeg razumijevanja ponašanja putnika.
Potencijalne i ostvarene prednosti
Potencijalne prednosti ekspertnih sistema zasnovanih na vještačkoj inteligenciji su ogromne. Implementacija može dovesti do bolje produktivnosti operatera u kontrolnoj sali, smanjenja grešaka u detekciji događaja, boljeg planiranja gradova i puteva, smanjenja zagušenja saobraćaja i sveukupnog poboljšanog znanja o mreži puteva, pri čemu se sve uzima u obzir vremenska dimenzija, poboljšavajući razumijevanje u odnosu na tipične statičke metode.
Trenutno su mnogi od ovih sistema još uvijek u fazi istraživanja i razvoja. Međutim, organizaciono planiranje bi trebalo početi od sada, jer će izazovi implementacije biti ogromni čak i dok se unapređuje stanje tehnologije. Telemus AI™ ima robusne implementacije tehnologija vještačke inteligencije i može ugraditi sisteme koji rade u velikom obimu.
Telemus AI™ je australska kompanija za umjetnu inteligenciju koja pruža napredna rješenja za vladu i preduzeća. Kontaktirajte nas danas za besplatne konsultacije o tome kako se Telemus AI™ može ugraditi u vašu organizaciju.
