Sistem Pakar - Komputer yang Mendeteksi Peristiwa Lalu Lintas

Sistem pemantauan lalu lintas adalah hal yang lumrah di semua jaringan jalan yang telah dikembangkan secara global. Sistem ini biasanya terdiri dari lampu lalu lintas, rambu statis dan dinamis, detektor kendaraan loop induktif, peralatan radio, kamera kecepatan, kamera deteksi plat nomor, dan kamera CCTV. Sistem manajemen lalu lintas itu sendiri dikelola dari ruang kontrol yang aman di mana personel yang berwenang memastikan pengelolaan sistem.

Operator ruang kontrol biasanya sangat terlatih dan berpengalaman, membuat mereka sangat dicari. Sering kali menjadi tantangan untuk merekrut dan mempertahankan operator seperti itu dan memastikan cukup operator terampil yang berada pada shift karena ruang kontrol ini beroperasi 24/7. Kecerdasan Buatan dapat sangat membantu operator ruang kontrol dalam menjalankan kontrol lebih efisien dan menyelesaikan lebih banyak tugas berbasis peristiwa seperti mendeteksi peristiwa anomali, termasuk kerusakan kendaraan, tabrakan kendaraan, atau bahaya jalan lainnya dan mendeteksi kecepatan perjalanan.

Studi kasus ini mengeksplorasi bagaimana sistem pakar kecerdasan buatan dapat digunakan dan dimanfaatkan di ruang kontrol pemantauan lalu lintas untuk mendorong hasil yang lebih baik bagi semua yang berinteraksi dengan sistem yang kompleks. Dengan demikian, operator ruang kontrol dan penglaju bepergian di berbagai jaringan jalan.

Menyelesaikan Masalah melalui Kecerdasan Buatan

Kecerdasan Buatan memungkinkan sistem komputasi untuk memahami konteks. Meskipun konteksnya masih jauh dari pemahaman manusia, karena sistem AI saat ini adalah apa yang disebut sebagai AI sempit, hal ini sering kali cukup untuk tujuan semi-otomasi. Ruang kendali lalu lintas memerlukan pemantauan kamera CCTV untuk mendeteksi peristiwa dan merespons secara memadai. Tugas ini melibatkan pengawasan beberapa monitor kamera dan penentuan cara merespons keadaan tertentu.

Jaringan saraf dan deep learning semakin berfokus pada deteksi kendaraan. Kami telah mengeksplorasi hal ini secara rinci dalam studi kasus Deteksi Objek Rekaman Pengawasan. Dengan hanya mengambil komponen deteksi kendaraan dari Kecerdasan Buatan, maka menjadi mungkin, setelah lokasi kendaraan diketahui, untuk memprogram serangkaian aturan untuk ruang kontrol menggunakan teknik pemrograman algoritmik klasik.

Penggunaan teknik algoritmik klasik memungkinkan organisasi untuk memiliki kontrol yang lebih besar atas keluaran sistem pakar.

Teknik geometri komputasi, yang sudah mapan dalam grafik komputer, dapat digunakan untuk mendeteksi konteks lebih lanjut setelah objek dilacak. Misalnya, tabrakan dua kendaraan dapat dideteksi secara efisien melalui algoritma deteksi tabrakan komputasi, termasuk perpotongan dua kotak pembatas yang mengelilingi masing-masing kendaraan.

Sangat penting untuk menggunakan teknik algoritmik klasik dalam sistem pakar karena lebih andal dan efisien mengingat pemrogramannya tepat. Sistem kecerdasan buatan harus dibatasi dengan cara di mana manusia membuat keputusan akhir tentang tindakan yang akan diambil. Hal ini karena meskipun sistem kecerdasan buatan sangat andal, ada margin kesalahan yang perlu dimitigasi. Dengan demikian, kami merekomendasikan implementasi sistem pakar secara hibrida, menggunakan yang terbaik dari teknik pemrograman algoritmik klasik dan kecerdasan buatan.

Ikhtisar Tantangan Organisasi

Sistem pakar rumit untuk diterapkan dalam lingkungan seperti ruang kontrol. Selain tantangan teknologi, banyak hambatan administratif, persyaratan kepatuhan, dan proses internal yang harus diikuti untuk memastikan implementasi yang memadai. Meskipun teknologi menantang untuk manajemen proyek dan diterapkan di banyak organisasi besar, manfaatnya biasanya masih lebih besar daripada biaya tidak menerapkannya karena utang teknis.

Terus-menerus menonton layar selama berjam-jam padahal sebagian besar waktu, tidak ada yang terjadi secara luar biasa adalah tugas yang sulit bagi kebanyakan orang dan akan membosankan. Wajar untuk mengasumsikan bahwa konsentrasi akan sulit dipertahankan seiring berjalannya waktu. Hal tersebut di atas adalah tempat sistem AI ahli unggul. Sistem dapat terus memantau umpan kamera untuk peristiwa yang memerlukan respons dan memberikan saran kepada operator ruang kontrol tentang bagaimana mereka dapat melanjutkan.

Berikut adalah beberapa contoh yang menjelaskan bagaimana AI dapat bekerja sama dengan operator ruang kontrol:

Jika dua atau lebih kendaraan bertabrakan, AI akan mendeteksinya, merekam kejadian tersebut, dan memperingatkan operator ruang kontrol.
Jika sebuah kendaraan melaju dengan kecepatan yang tidak tepat, AI dapat mempertimbangkan untuk memperingatkan pengemudi melalui rambu digital.
Jika terdeteksi bahaya di jalan, AI dapat memperingatkan operator ruang kontrol dan menyarankan penutupan jalur sampai kru membersihkan bahaya tersebut.

Data Organisasional yang Tersedia sebagai Input AI

Berikut daftar sumber data yang digunakan oleh sistem pemantauan lalu lintas otomatis:

Kamera CCTV, diposisikan di berbagai jaringan jalan.
Informasi sinyal kamera lalu lintas yang menunjukkan kondisi jaringan jalan.
Detektor kendaraan loop induktif menyediakan data seperti berat kendaraan.
Data sensor LiDAR untuk melengkapi umpan CCTV yang untuk beberapa kasus penggunaan lebih andal untuk diproses untuk pengenalan komputer.

Metodologi Integrasi

Berikut adalah ikhtisar proses yang akan kami lakukan untuk mengintegrasikan sistem pakar pemantauan lalu lintas berbasis kecerdasan artikel di dalam ruang kontrol:

Identifikasi umpan CCTV/LiDAR dan sistem kamera yang menyediakan pemantauan dan perekaman umpan tersebut.
Meneruskan umpan ke superkomputer atau penyedia komputasi awan untuk analisis dan pemrosesan real-time.
Jalankan umpan melalui Telemus AI™ dan kembalikan umpan video yang diperkaya kembali ke sistem pemantauan keamanan di dalam ruang kendali.
Siapkan peringatan yang disesuaikan untuk personel keamanan berdasarkan apa yang terdeteksi sesuai dengan parameter di mana operator ruang kendali menginginkannya untuk beroperasi.
Evaluasi terus-menerus kinerja sistem kecerdasan buatan untuk meningkatkannya guna mendorong efisiensi yang lebih besar secara berkelanjutan.

Dengan Telemus AI™ yang menangani implementasi kecerdasan buatan teknis, organisasi dapat fokus pada logika bisnis serta proses dan prosedur internal yang menanamkan kemampuan teknologis.

Aplikasi Organisasional

Berikut ini mencantumkan aplikasi potensial lainnya untuk organisasi Anda:

Meningkatkan efisiensi, efektivitas, dan kinerja ruang kendali lalu lintas.
Menentukan titik rawan kemacetan untuk mengoptimalkan perencanaan kota guna mengurangi kemacetan lalu lintas.
Melacak kendaraan armada jika berada di dalam area parkir mobil dan dikembalikan oleh karyawan perusahaan.
Melacak kendaraan di dalam area parkir mobil dan mengukur durasi tinggal untuk memahami perilaku penglaju dengan lebih baik.

Manfaat Potensial dan yang Terealisasi

Potensi manfaat dari sistem pakar berbasis kecerdasan buatan sangatlah besar. Implementasi dapat mengarah pada peningkatan produktivitas operator ruang kendali yang lebih baik, berkurangnya kesalahan dalam mendeteksi peristiwa, perencanaan kota dan jalan yang lebih baik, berkurangnya kemacetan lalu lintas, dan pengetahuan jaringan jalan yang lebih baik secara keseluruhan, yang semuanya memperhitungkan dimensi temporal, meningkatkan pemahaman terhadap metode statis pada umumnya.

Saat ini, banyak sistem ini masih dalam tahap penelitian dan pengembangan. Namun, perencanaan organisasi harus dilakukan mulai dari sekarang karena tantangan implementasi akan sangat besar bahkan saat teknologi terbaik terus berkembang. Telemus AI™ memiliki implementasi teknologi kecerdasan buatan yang tangguh dan dapat menyematkan sistem yang beroperasi dalam skala besar.

Telemus AI™ adalah perusahaan kecerdasan buatan yang berbasis di Australia yang menyediakan solusi lanjutan untuk pemerintah dan perusahaan. Hubungi kami hari ini untuk konsultasi gratis tentang bagaimana Telemus AI™ dapat ditanamkan ke dalam organisasi Anda.

Tag