I sistemi di monitoraggio del traffico sono diffusi in tutte le reti stradali sviluppate a livello globale. Sono tipicamente composti da semafori, segnaletica statica e dinamica, rilevatori di veicoli a induzione, apparecchiature radio, autovelox, telecamere per il rilevamento delle targhe e telecamere a circuito chiuso. I sistemi di gestione del traffico stessi sono gestiti da una sala di controllo sicura dove personale autorizzato garantisce la gestione del sistema.
Gli operatori delle sale di controllo sono tipicamente altamente addestrati ed esperti, il che li rende molto ricercati. Spesso è difficile reclutare e mantenere tali operatori e garantire che ci siano abbastanza operatori qualificati in turno, poiché queste sale di controllo funzionano 24/7. L'Intelligenza Artificiale può assistere significativamente gli operatori delle sale di controllo nel gestire il controllo in modo più efficiente e nel completare più attività basate sugli eventi, come il rilevamento di eventi anomali, inclusi guasti dei veicoli, collisioni tra veicoli o altri pericoli stradali, e il rilevamento della velocità di percorrenza.
Questo caso di studio esplora come un sistema esperto di intelligenza artificiale può essere implementato e utilizzato in una sala di controllo del monitoraggio del traffico per ottenere migliori risultati per tutti coloro che interagiscono con sistemi complessi. Pertanto, gli operatori della sala di controllo e i pendolari viaggiano su varie reti stradali.
Le tecniche di geometria computazionale, ampiamente consolidate nella computer grafica, possono essere impiegate per rilevare ulteriore contesto una volta tracciati gli oggetti. Ad esempio, la collisione di due veicoli può essere rilevata in modo efficiente tramite algoritmi di rilevamento delle collisioni computazionali, inclusa l'intersezione di due bounding box che circondano ciascun veicolo.
È essenziale utilizzare tecniche algoritmiche classiche nei sistemi esperti in quanto sono più affidabili ed efficienti dato che la loro programmazione è esatta. I sistemi di intelligenza artificiale dovrebbero essere limitati a una modalità in cui un essere umano prende la decisione finale sull'azione da intraprendere. Questo perché, sebbene i sistemi di intelligenza artificiale siano altamente affidabili, esiste un margine di errore che deve essere mitigato. Pertanto, raccomandiamo di implementare sistemi esperti in modo ibrido, utilizzando il meglio sia delle tecniche di intelligenza artificiale che di programmazione algoritmica classica.
Panoramica della sfida organizzativa
I sistemi esperti sono complessi da implementare in un contesto come una sala di controllo. Oltre alle sfide tecnologiche, numerosi ostacoli amministrativi, requisiti di conformità e processi interni devono essere seguiti per garantire un'implementazione adeguata. Sebbene la tecnologia sia difficile da gestire e implementare in molte grandi organizzazioni, i benefici superano solitamente il costo di non implementarla a causa del debito tecnico.
Guardare costantemente gli schermi per ore intere quando, la maggior parte del tempo, non sta accadendo nulla di particolarmente insolito è un compito difficile per la maggior parte delle persone e sarebbe noioso. È naturale presumere che la concentrazione sarebbe difficile da mantenere con il passare del tempo. Quest'ultimo è il campo in cui i sistemi AI esperti eccellono. Il sistema può monitorare costantemente i flussi delle telecamere per eventi che richiedono una risposta e formulare suggerimenti a un operatore della sala di controllo su come procedere.
Di seguito sono riportati alcuni esempi che descrivono come un AI può collaborare con un operatore di sala di controllo:
- Se due o più veicoli si scontrano, un'AI lo rileverà, registrerà l'incidente e avviserà un operatore della sala di controllo.
- Se un veicolo sta guidando a una velocità inappropriata, l'AI può considerare di avvisare il conducente tramite un cartello digitale.
- Nel caso in cui venga rilevato un pericolo sulla strada, un'AI può avvisare un operatore della sala di controllo e suggerire la chiusura della corsia fino a quando una squadra rimuove il pericolo.
Dati Organizzativi Disponibili come Input per l'AI
Di seguito un elenco di fonti di dati utilizzate dai sistemi di monitoraggio del traffico automatizzati:
- Telecamere CCTV, posizionate lungo varie reti stradali.
- Informazioni sui segnali delle telecamere del traffico che indicano lo stato della rete stradale.
- I rilevatori di veicoli ad induzione forniscono dati come il peso del veicolo.
- Dati dei sensori LiDAR per integrare i flussi CCTV che, per alcuni casi d'uso, possono essere più affidabili per l'elaborazione nel riconoscimento computerizzato.
Metodologia di Integrazione
Di seguito una panoramica del processo che eseguiremmo per integrare un sistema esperto di monitoraggio del traffico basato sull'intelligenza degli articoli all'interno di una sala di controllo:
- Identificare i flussi CCTV/LiDAR e il sistema di telecamere che fornisce monitoraggio e registrazione di tali flussi.
- Inoltra i feed a un supercomputer o a un provider di cloud computing per analisi ed elaborazione in tempo reale.
- Elabora i feed attraverso Telemus AI™ e restituisci i feed video aumentati ai sistemi di monitoraggio della sicurezza all'interno della sala di controllo.
- Imposta avvisi personalizzati per il personale di sicurezza in base a ciò che viene rilevato e ai parametri in cui gli operatori della sala di controllo desiderano che operi.
- Valutare costantemente le prestazioni del sistema di intelligenza artificiale per migliorarlo e guidare continuamente efficienze ancora maggiori.
Poiché Telemus AI™ si occupa dell'implementazione tecnica dell'intelligenza artificiale, le organizzazioni possono concentrarsi sulla logica di business e sui processi e procedure interne incorporando le capacità tecnologiche.
Applicazioni Organizzative
Di seguito sono elencate altre potenziali applicazioni per la tua organizzazione:
- Miglioramento dell'efficienza, dell'efficacia e delle prestazioni delle sale di controllo del traffico.
- Determinazione dei punti critici del traffico per ottimizzare la pianificazione urbana e ridurre la congestione del traffico.
- Tracciamento dei veicoli della flotta se si trovano all'interno di un parcheggio e restituiti dai dipendenti dell'azienda.
- Tracciamento dei veicoli all'interno dei parcheggi e misurazione della durata della sosta per comprendere meglio i comportamenti dei pendolari.
Benefici potenziali e realizzati
I potenziali benefici dei sistemi esperti basati sull'intelligenza artificiale sono immensi. L'implementazione può portare a una migliore produttività degli operatori della sala di controllo, una riduzione degli errori nel rilevamento degli eventi, una migliore pianificazione urbana e stradale, una riduzione della congestione del traffico e una migliore conoscenza complessiva della rete stradale, tenendo conto della dimensione temporale e migliorando la comprensione rispetto ai tipici metodi statici.
Attualmente, molti di questi sistemi sono ancora nella fase di ricerca e sviluppo. Tuttavia, la pianificazione organizzativa dovrebbe avvenire da ora poiché le sfide di implementazione saranno vaste anche man mano che lo stato dell'arte migliora. Telemus AI™ dispone di implementazioni robuste di tecnologie di intelligenza artificiale e può avere sistemi integrati che operano su larga scala.
Telemus AI™ è un'azienda di intelligenza artificiale con sede in Australia che fornisce soluzioni avanzate a enti governativi e aziende. Contattaci oggi per una consulenza gratuita su come Telemus AI™ può essere integrato nella tua organizzazione.
