Sustavi za nadzor prometa uobičajena su pojava na svim razvijenim cestovnim mrežama u svijetu. Tipično se sastoje od semafora, statičkih i dinamičkih znakova, detektora vozila s induktivnom petljom, radio opreme, kamera za mjerenje brzine, kamera za prepoznavanje registarskih oznaka i CCTV kamera. Sami sustavi za upravljanje prometom upravljaju se iz sigurne kontrolne sobe gdje ovlašteno osoblje osigurava upravljanje sustavom.
Operateri u kontrolnoj sobi obično su visoko obučeni i iskusni, zbog čega su traženi. Često je izazovno regrutirati i zadržati takve operatere te osigurati dovoljan broj kvalificiranih operatera u smjeni jer te kontrolne sobe rade 24/7. Umjetna inteligencija može značajno pomoći operaterima u kontrolnoj sobi u učinkovitijem upravljanju kontrolom i obavljanju više zadataka temeljenih na događajima, poput otkrivanja anomalijskih događaja, uključujući kvarove vozila, sudare vozila ili druge opasnosti na cesti te otkrivanja brzine kretanja.
Ova studija slučaja istražuje kako se stručni sustav umjetne inteligencije može implementirati i koristiti u kontrolnoj sobi za nadzor prometa kako bi se postigli bolji rezultati za sve koji komuniciraju sa složenim sustavima. Dakle, operateri u kontrolnoj sobi i putnici putuju različitim cestovnim mrežama.
Tehnike računalne geometrije, koje su dobro utemeljene u računalnoj grafici, mogu se koristiti za otkrivanje dodatnog konteksta nakon što se objekti prate. Na primjer, sudar dvaju vozila može se učinkovito otkriti pomoću algoritama za računalno otkrivanje sudara, uključujući presjek dvaju graničnih okvira koji okružuju svako pojedino vozilo.
Bitno je koristiti klasične algoritamske tehnike u stručnim sustavima jer su pouzdaniji i učinkovitiji s obzirom na to da je njihovo programiranje točno. Sustave umjetne inteligencije treba ograničiti na način da čovjek donosi konačnu odluku o radnji koja će se poduzeti. To je zato što, iako su sustavi umjetne inteligencije vrlo pouzdani, postoji margina pogreške koju treba ublažiti. Stoga preporučujemo implementaciju stručnih sustava na hibridni način, koristeći najbolje od umjetne inteligencije i klasičnih algoritamskih programskih tehnika.
Pregled organizacijskog izazova
Stručni sustavi složeni su za implementaciju u okruženju poput kontrolne sobe. Uz tehnološke izazove, mora se slijediti brojne administrativne prepreke, zahtjeve sukladnosti i interne procese kako bi se osigurala odgovarajuća implementacija. Iako je tehnologija izazovna za upravljanje projektima i implementaciju unutar mnogih velikih organizacija, prednosti obično i dalje nadmašuju troškove neimplementiranja istih zbog tehničkog duga.
Stalno gledanje u ekrane satima bez prestanka, kada većinu vremena ne događa se ništa osobito neobično, težak je zadatak za većinu ljudi i bio bi dosadan. Prirodno je pretpostaviti da bi bilo teško održati koncentraciju kako vrijeme odmiče. Gore navedeno je područje u kojem excistiraju ekspertni AI sustavi. Sustav može stalno nadzirati video dovode kamerâ za događaje koji zahtijevaju odgovor i davati prijedloge operateru u kontrolnoj sobi o tome kako bi mogao postupiti.
U nastavku su navedeni neki primjeri koji opisuju kako AI može raditi s operaterom kontrolne sobe:
- Ako se dva ili više vozila sudare, AI će to otkriti, zabilježiti incident i upozoriti operatera kontrolne sobe.
- Ako vozilo vozi neprimjerenom brzinom, AI može razmotriti upozoravanje vozača putem digitalnog znaka.
- S obzirom na to da je na cesti otkrivena opasnost, AI može upozoriti operatera kontrolne sobe i predložiti zatvaranje trake dok ekipa ne ukloni opasnost.
Organizacijski podaci dostupni kao AI ulaz
Sljedeći popis izvora podataka koje koriste automatizirani sustavi za praćenje prometa:
- CCTV kamere, postavljene uz različite cestovne mreže.
- Informacije o signalima kamera za nadzor prometa koje ukazuju na stanje cestovne mreže.
- Induktivni detektori vozila pružaju podatke poput težine vozila.
- Podaci s LiDAR senzora za nadopunu CCTV snimki, što je za neke slučajeve upotrebe pouzdanije za obradu za računalno prepoznavanje.
Metodologija integracije
Slijedi pregled postupka koji bismo izveli za integraciju ekspertnog sustava za praćenje prometa temeljenog na inteligenciji članaka unutar kontrolne sobe:
- Identificirajte CCTV/LiDAR feedove i kamerni sustav koji pruža nadzor i snimanje takvih feedova.
- Proslijedi ulaze superkompjuteru ili pružatelju usluga cloud računarstva za analizu i obradu u stvarnom vremenu.
- Provucite feedove kroz Telemus AI™ i vratite augmentirane video feedove natrag u sustave za sigurnosno praćenje unutar kontrolne sobe.
- Postavite prilagođena upozorenja za osoblje zaduženo za sigurnost na temelju onoga što je otkriveno, u skladu s parametrima u kojima operateri kontrolne sobe žele da sustav radi.
- Stalno procjenjujte performanse sustava umjetne inteligencije kako biste ga poboljšali i kontinuirano potaknuli još veću učinkovitost.
S obzirom na to da Telemus AI™ brine o tehničkoj implementaciji umjetne inteligencije, organizacije se mogu usredotočiti na poslovnu logiku te interne procese i postupke ugradnje tehnoloških mogućnosti.
Organizacijske primjene
Sljedeće navodi druge potencijalne aplikacije za vašu organizaciju:
- Poboljšanje učinkovitosti, djelotvornosti i performansi kontrolnih soba za promet.
- Utvrđivanje kritičnih točaka prometa za optimizaciju urbanističkog planiranja radi smanjenja zagušenja prometa.
- Praćenje vozila flote ako se nalaze unutar parkirališta i vraćaju ih zaposlenici tvrtke.
- Praćenje vozila unutar parkirališta i mjerenje trajanja boravka radi boljeg razumijevanja ponašanja putnika.
Potencijalne i ostvarene prednosti
Potencijalne prednosti stručnih sustava temeljenih na umjetnoj inteligenciji su goleme. Implementacija može dovesti do bolje produktivnosti operatera u kontrolnoj sobi, smanjenja pogrešaka u otkrivanju događaja, boljeg planiranja gradova i cesta, smanjenja gužvi u prometu te općenito poboljšanog znanja o cestovnoj mreži, pri čemu se sve uzima u obzir vremenska dimenzija, poboljšavajući razumijevanje u odnosu na tipične statičke metode.
Trenutno su mnogi od ovih sustava još uvijek u fazi istraživanja i razvoja. Međutim, organizacijsko planiranje bi trebalo započeti već sada, jer će izazovi implementacije biti golemi čak i dok se poboljšava stanje tehnologije. Telemus AI™ ima robusne implementacije tehnologija umjetne inteligencije i može ugraditi sustave koji rade u velikom opsegu.
Telemus AI™ je australska tvrtka za umjetnu inteligenciju koja pruža napredna rješenja za vladu i poduzeća. Kontaktirajte nas danas za besplatno savjetovanje o tome kako se Telemus AI™ može ugraditi u vašu organizaciju.
