Ekspertsystemer - Datamaskiner som oppdager trafikkhendelser

Teknikker for beregningsgeometri, som er vel etablerte innen datagrafikk, kan anvendes for å oppdage ytterligere kontekst når objekter spores. For eksempel kan kollisjonen av to kjøretøy oppdages effektivt via algoritmer for beregningsbasert kollisjonsoppdaging, inkludert skjæringspunktet til to avgrensningsbokser som omgir hvert respektive kjøretøy.

Det er viktig å bruke klassiske algoritmiske teknikker i ekspertsystemer, da de er mer pålitelige og effektive gitt at programmeringen deres er eksakt. Systemer for kunstig intelligens bør begrenses på en slik måte at et menneske tar den endelige avgjørelsen om hvilken handling som skal iverksettes. Dette er fordi mens systemer for kunstig intelligens er svært pålitelige, er det en feilmargin som må reduseres. Derfor anbefaler vi å implementere ekspertsystemer på en hybrid måte, ved å bruke det beste fra både kunstig intelligens og klassiske algoritmiske programmeringsteknikker.

Oversikt over den organisatoriske utfordringen

Ekspertsystemer er kompliserte å implementere i et miljø som for eksempel et kontrollrom. I tillegg til de teknologiske utfordringene må en rekke administrative hindringer, samsvarskrav og interne prosesser følges for å sikre tilstrekkelig implementering. Selv om teknologi er utfordrende for prosjektledelse og implementering i mange store organisasjoner, oppveier fordelene vanligvis fortsatt kostnaden ved å ikke implementere dem på grunn av teknisk gjeld.

Å kontinuerlig se på skjermer i timevis når det meste av tiden ikke skjer noe spesielt ut av det vanlige, er en vanskelig oppgave for de fleste mennesker og ville være kjedelig. Det er naturlig å anta at konsentrasjonen ville være vanskelig å opprettholde etter hvert som tiden går. Det ovennevnte er der ekspert-AI-systemer utmerker seg. Systemet kan konstant overvåke kamerastrømmene for hendelser som krever en reaksjon og komme med forslag til en operatør i kontrollrom om hvordan de kan gå frem.

Nedenfor er noen eksempler som beskriver hvordan en AI kan samarbeide med en operatør i et kontrollrom:

• Hvis to eller flere kjøretøy kolliderer, vil en AI oppdage det, registrere hendelsen og varsle en operatør i kontrollrommet.
• Hvis et kjøretøy kjører i upassende fart, kan AI vurdere å varsle sjåføren via et digitalt skilt.
• Gitt at en fare oppdages på veien, kan en AI varsle en operatør i et kontrollrom og foreslå å stenge kjørebanen inntil et mannskap fjerner faren.

Organisatoriske data tilgjengelig som AI-inndata

Følgende viser datakildene som brukes av automatiserte trafikkovervåkingssystemer:

• CCTV-kameraer, plassert langs ulike veinettverk.
• Trafikkkamera-signalinformasjon som indikerer tilstanden til veinettet.
• Induksjons-sløyfe kjøretøysdetektorer gir data som kjøretøyets vekt.
• LiDAR-sensordata for å supplere CCTV-strømmer, som for noen bruksområder kan være mer pålitelige for prosessering for datamaskin-gjenkjenning.

Integrasjonsmetodikk

Følgende er en oversikt over prosessen vi ville utført for å integrere et artikkelintelligensbasert trafikkovervåkingsekspertsystem i et kontrollrom:

1. Identifiser CCTV/LiDAR-strømmer og kamerasystemet som gir overvåking og opptak av slike strømmer.
2. Videresend datastrømmer til en superdatamaskin eller skyløsningsleverandør for sanntidsanalyse og -behandling.
3. Kjør datastrømmene gjennom Telemus AI™ og returner forsterkede videostrømmer tilbake til sikkerhetsovervåkingssystemene i kontrollrommet.
4. Sett opp tilpassede varsler til sikkerhetspersonellet basert på hva som oppdages, basert på parameterne kontrollromoperatørene ønsker at det skal operere innenfor.
5. Evaluer kontinuerlig ytelsen til det kunstige intelligens-systemet for å forbedre det for å drive enda større effektivitet kontinuerlig.

Siden Telemus AI™ tar seg av den tekniske implementeringen av kunstig intelligens, kan organisasjoner fokusere på forretningslogikk og interne prosesser og prosedyrer for å integrere de teknologiske funksjonene.

Organisatoriske applikasjoner

Følgende viser andre potensielle applikasjoner for din organisasjon:

• Forbedre effektiviteten, nytten og ytelsen til trafikkontrollrom.
• Bestemme trafikkknutepunkter for å optimalisere byplanlegging for å redusere trafikkork.
• Sporing av flåtekjøretøy hvis de er innenfor en parkeringsplass og returnert av bedriftens ansatte.
• Sporing av kjøretøy innenfor parkeringsplasser og måling av oppholdstiden for å forstå pendlernes atferd bedre.

Potensielle og realiserte fordeler

De potensielle fordelene med ekspertsystemer basert på kunstig intelligens er enorme. Implementering kan føre til bedre produktivitet for operatører i kontrollrom, færre feil ved oppdagelse av hendelser, bedre by- og veiplanlegging, redusert trafikkork, og generelt forbedret kunnskap om veinettverket, som tar hensyn til den tidsmessige dimensjonen, og forbedrer forståelsen av de typiske statiske metodene.

For tiden er mange av disse systemene fortsatt i forsknings- og utviklingsstadiet. Organisatorisk planlegging bør imidlertid skje fra nå av, ettersom implementeringsutfordringene vil være enorme selv etter hvert som den nyeste teknologien forbedres. Telemus AI™ har robuste implementasjoner av kunstig intelligens-teknologier og kan ha systemer innebygd som opererer i stor skala.

Telemus AI™ er et Australia-basert selskap for kunstig intelligens som tilbyr avanserte løsninger til regjering og næringsliv. Kontakt oss i dag for en gratis konsultasjon om hvordan Telemus AI™ kan integreres i din organisasjon.