Systémy pro monitorování dopravy jsou běžné na všech rozvinutých silničních sítích po celém světě. Typicky se skládají ze semaforů, statického a dynamického značení, indukčních detektorů vozidel, rádiového vybavení, kamer pro měření rychlosti, kamer pro rozpoznávání poznávacích značek a kamer CCTV. Samotné systémy řízení dopravy jsou spravovány ze zabezpečené řídicí místnosti, kde oprávněný personál zajišťuje správu systému.
Operátoři v řídicích místnostech jsou obvykle vysoce vyškolení a zkušení, díky čemuž jsou velmi žádaní. Často je náročné takové operátory najmout a udržet a zajistit, aby byla na směně dostatečná obsluha kvalifikovaných operátorů, protože tyto řídicí místnosti fungují nepřetržitě 24/7. Umělá inteligence může operátorům v řídicích místnostech významně pomoci efektivněji řídit kontrolu a plnit více úkolů založených na událostech, jako je detekce anomálních událostí, včetně poruch vozidel, kolizí vozidel nebo jiných nebezpečí na silnicích, a detekce rychlosti jízdy.
Tato případová studie zkoumá, jak může být expertní systém umělé inteligence nasazen a využit v řídicím centru pro monitorování dopravy, aby přinesl lepší výsledky pro všechny, kteří interagují se složitými systémy. Řídicí centrum tak obsluhují operátoři a dojíždějící cestují po různých silničních sítích.
Techniky výpočetní geometrie, které jsou v počítačové grafice dobře zavedeny, mohou být využity k detekci dalšího kontextu, jakmile jsou objekty sledovány. Například kolize dvou vozidel může být efektivně detekována pomocí výpočetních algoritmů detekce kolize, včetně průniku dvou ohraničujících boxů obklopujících každé z příslušných vozidel.
Je nezbytné používat klasické algoritmické techniky v expertních systémech, protože jsou spolehlivější a efektivnější vzhledem k tomu, že jejich programování je přesné. Systémy umělé inteligence by měly být omezeny na způsob, kdy člověk činí konečné rozhodnutí o akci, která má být provedena. Je to proto, že zatímco systémy umělé inteligence jsou vysoce spolehlivé, existuje určitá míra chybovosti, kterou je třeba zmírnit. Proto doporučujeme implementovat expertní systémy hybridním způsobem, s využitím nejlepších technik programování umělé inteligence i klasických algoritmických technik.
Přehled organizační výzvy
Expertní systémy je složité implementovat v prostředí, jako je řídící místnost. Kromě technologických výzev je nutné dodržet četné administrativní překážky, požadavky na shodu a interní procesy, aby byla zajištěna adekvátní implementace. Přestože je technologie náročná na projektový management a implementaci v mnoha velkých organizacích, výhody obvykle stále převažují nad náklady na jejich neimplementování v důsledku technického dluhu.
Neustálé sledování obrazovek po celé hodiny, kdy většinu času se nic mimořádného neděje, je pro většinu lidí obtížný úkol a bylo by únavné. Je přirozené předpokládat, že s postupem času bude těžké udržet koncentraci. Ve výše uvedeném vynikají expertní systémy AI. Systém může neustále monitorovat kamerové záznamy pro události, které vyžadují reakci, a dělat návrhy operátorovi v řídicí místnosti, jak by mohl postupovat.
Níže jsou uvedeny některé příklady popisující, jak může AI spolupracovat s operátorem v řídicím centru:
- Pokud dojde ke srážce dvou nebo více vozidel, AI ji detekuje, zaznamená incident a upozorní operátora v řídicí místnosti.
- Pokud vozidlo jede nevhodnou rychlostí, AI může zvážit upozornění řidiče prostřednictvím digitálního značení.
- Pokud je na silnici detekováno nebezpečí, AI může upozornit operátora v řídicí místnosti a navrhnout uzavření jízdního pruhu, dokud posádka nebezpečí neodstraní.
Organizační data dostupná jako vstup pro AI
Následující seznamy zdrojů dat používaných automatizovanými systémy pro monitorování provozu:
- CCTV kamery, umístěné podél různých silničních sítí.
- Informace o signálu dopravních kamer indikující stav silniční sítě.
- Indukční smyčkové detektory vozidel poskytují údaje, jako je hmotnost vozidla.
- Data ze senzorů LiDAR doplňují záznamy z CCTV, které mohou být v některých případech použití spolehlivější pro zpracování pomocí počítačového rozpoznávání.
Metodologie integrace
Následuje přehled procesu, který bychom provedli pro integraci expertního systému pro monitorování provozu na základě inteligence článků v rámci řídicího centra:
- Identifikujte CCTV/LiDAR toky a kamerový systém, který poskytuje monitorování a záznam takových toků.
- Přeposílejte kanály superpočítači nebo poskytovateli cloudových výpočtů pro analýzu a zpracování v reálném čase.
- Proveďte kanály přes Telemus AI™ a vraťte rozšířené video kanály zpět do systémů monitorování bezpečnosti v rámci řídicí místnosti.
- Nastavte přizpůsobená upozornění pro bezpečnostní personál na základě toho, co je detekováno, na základě parametrů, ve kterých mají operátoři kontrolního místa, aby to fungovalo.
- Neustále vyhodnocujte výkon systému umělé inteligence, abyste ho zlepšili a průběžně dosahovali ještě vyšší efektivity.
Vzhledem k tomu, že Telemus AI™ se stará o technickou implementaci umělé inteligence, mohou se organizace soustředit na obchodní logiku a interní procesy a postupy začleňující technologické schopnosti.
Organizační aplikace
Následující uvádí další potenciální aplikace pro vaši organizaci:
- Zlepšení efektivity, účinnosti a výkonu řídicích center dopravy.
- Určování dopravních uzlů za účelem optimalizace územního plánování pro snížení dopravních zácp.
- Sledování vozidel vozového parku, pokud se nacházejí v parkovacím domě a jsou vrácena zaměstnanci společnosti.
- Sledování vozidel v parkovacích domech a měření doby pobytu pro lepší pochopení chování dojíždějících.
Potenciální a realizované přínosy
Potenciální přínosy expertních systémů založených na umělé inteligenci jsou obrovské. Implementace může vést k lepší produktivitě operátorů v řídicím centru, ke snížení chyb při detekci událostí, k lepšímu plánování měst a silnic, ke snížení dopravních zácp a k celkovému zlepšení znalostí silniční sítě, přičemž to vše bere v úvahu časovou dimenzi a zlepšuje porozumění typickým statickým metodám.
V současnosti se mnoho z těchto systémů stále nachází ve fázi výzkumu a vývoje. Organizační plánování by však mělo probíhat již od této doby, protože výzvy implementace budou obrovské i přes zlepšování nejmodernějších technologií. Telemus AI™ má robustní implementace technologií umělé inteligence a může mít zabudované systémy, které fungují ve velkém měřítku.
Telemus AI™ je australská společnost zabývající se umělou inteligencí, která poskytuje pokročilá řešení pro vládu a podniky. Kontaktujte nás ještě dnes pro bezplatnou konzultaci o tom, jak může být Telemus AI™ integrována do vaší organizace.
