Verkeersmonitoringssystemen zijn gemeengoed op alle ontwikkelde wegennetwerken wereldwijd. Ze bestaan meestal uit verkeerslichten, statische en dynamische bewegwijzering, inductielus-voertuigdetectoren, radioapparatuur, flitspalen, kentekenplaatherkenningscamera's en CCTV-camera's. De verkeersmanagementsystemen zelf worden beheerd vanuit een beveiligde controlekamer waar geautoriseerd personeel het beheer van het systeem verzorgt.
Bedieningspaneel-operators zijn doorgaans hoogopgeleid en ervaren, waardoor ze gewild zijn. Het is vaak een uitdaging om dergelijke operators te werven en te behouden en ervoor te zorgen dat er voldoende gekwalificeerde operators in dienst zijn, aangezien deze bedieningspanelen 24/7 draaien. Kunstmatige intelligentie kan bedieningspaneel-operators aanzienlijk helpen om het bedieningspaneel efficiënter te runnen en meer op gebeurtenissen gebaseerde taken uit te voeren, zoals het detecteren van afwijkende gebeurtenissen, waaronder voertuigpech, voertuigbotsingen of andere gevaren op de weg, en het detecteren van de rijsnelheid.
Deze casestudy verkent hoe een expertsysteem voor kunstmatige intelligentie kan worden ingezet en gebruikt in een controlekamer voor verkeersmonitoring om betere resultaten te behalen voor iedereen die met complexe systemen interacteert. Aldus reizen controlekameroperators en forenzen over diverse wegennetwerken.
Technieken voor computationele geometrie, die goed ingeburgerd zijn in computergraphics, kunnen worden gebruikt om verdere context te detecteren zodra objecten worden gevolgd. De botsing van twee voertuigen kan bijvoorbeeld efficiënt worden gedetecteerd via algoritmen voor computationele botsingsdetectie, inclusief de intersectie van twee begrenzingsvakken die elk respectievelijk voertuig omringen.
Het is essentieel om klassieke algoritmische technieken te gebruiken in expertsystemen, omdat deze betrouwbaarder en efficiënter zijn gegeven hun exacte programmering. Kunstmatige intelligentiesystemen moeten worden beperkt tot een manier waarbij een mens de uiteindelijke beslissing neemt over de te nemen actie. Dit komt omdat, hoewel kunstmatige intelligentiesystemen zeer betrouwbaar zijn, er een foutmarge is die moet worden beperkt. Daarom raden we aan om expertsystemen op een hybride manier te implementeren, waarbij gebruik wordt gemaakt van het beste van zowel kunstmatige intelligentie als klassieke algoritmische programmeertechnieken.
Overzicht van de Organisatorische Uitdaging
Expertsystemen zijn ingewikkeld te implementeren binnen een omgeving zoals een controlekamer. Naast de technologische uitdagingen moeten talrijke administratieve obstakels, nalevingsvereisten en interne processen worden gevolgd om een adequate implementatie te waarborgen. Hoewel technologie uitdagend is voor projectmanagement en implementatie binnen veel grote organisaties, wegen de voordelen meestal nog steeds zwaarder dan de kosten van het niet implementeren ervan als gevolg van technische schuld.
Constant urenlang naar schermen kijken terwijl het grootste deel van de tijd niets bijzonders gebeurt, is voor de meeste mensen een moeilijke taak en zou saai zijn. Het is logisch om aan te nemen dat de concentratie na verloop van tijd moeilijk te behouden is. Het bovengenoemde is waar expert AI-systemen in uitblinken. Het systeem kan de camerafeeds constant monitoren op gebeurtenissen die een reactie vereisen en suggesties doen aan een bedieningspaneel-operator over hoe deze zou kunnen handelen.
Hieronder staan enkele voorbeelden die beschrijven hoe een AI kan samenwerken met een operator in een controlekamer:
- Als twee of meer voertuigen botsen, zal een AI dit detecteren, het incident registreren en een operator in de controlekamer waarschuwen.
- Als een voertuig met een ongeschikte snelheid rijdt, kan de AI overwegen de bestuurder te waarschuwen via een digitaal bord.
- Wanneer een gevaar op de weg wordt gedetecteerd, kan een AI een operator in een controlekamer waarschuwen en voorstellen om de rijbaan af te sluiten totdat een ploeg het gevaar opruimt.
Organisatorische Gegevens Beschikbaar als AI-invoer
Hieronder volgt een lijst van databronnen die worden gebruikt door geautomatiseerde verkeersmonitoringsystemen:
- CCTV-camera's, geplaatst langs diverse wegennetwerken.
- Verkeerscamera-signaalinformatie die de status van het wegennetwerk aangeeft.
- Inductielus-voertuigdetectoren leveren gegevens zoals het voertuiggewicht.
- LiDAR-sensorgegevens ter aanvulling op CCTV-feeds, die voor sommige gebruiksscenario's betrouwbaarder zijn voor verwerking voor computerherkenning.
Integratiemethodologie
Hieronder volgt een overzicht op hoog niveau van het proces dat wij zouden uitvoeren om een op kunstmatige intelligentie gebaseerd expertsysteem voor verkeersmonitoring te integreren binnen een controlekamer:
- Identificeer CCTV/LiDAR-feeds en het camerasysteem dat monitoring en opname van dergelijke feeds verzorgt.
- Feeds doorsturen naar een supercomputer of cloud-computingprovider voor realtime analyse en verwerking.
- Voer de feeds door Telemus AI™ en retourneer verrijkte videofeeds terug naar de beveiligingsmonitoringssystemen binnen de controlekamer.
- Stel aangepaste meldingen in voor het beveiligingspersoneel op basis van wat wordt gedetecteerd volgens de parameters waarbinnen de controlekameroperators wensen dat het werkt.
- Evalueer voortdurend de prestaties van het systeem voor kunstmatige intelligentie om het te verbeteren en zo nog grotere efficiënties te blijven behalen.
Aangezien Telemus AI™ de technische implementatie van kunstmatige intelligentie verzorgt, kunnen organisaties zich richten op de bedrijfslogica en interne processen en procedures om de technologische mogelijkheden in te bedden.
Organisatorische Toepassingen
Hieronder volgen andere potentiële toepassingen voor uw organisatie:
- De efficiëntie, effectiviteit en prestaties van verkeersregelkamers verbeteren.
- Het bepalen van verkeersknelpunten om stadsplanning te optimaliseren en verkeersopstoppingen te verminderen.
- Wagenparkvoertuigen volgen als ze zich binnen een parkeergarage bevinden en worden teruggebracht door werknemers van het bedrijf.
- Voertuigen binnen parkeergarages volgen en de verblijfsduur meten om het gedrag van forenzen beter te begrijpen.
Potentiële en gerealiseerde voordelen
De potentiële voordelen van expertsystemen op basis van kunstmatige intelligentie zijn enorm. Implementatie kan leiden tot een betere productiviteit van controlekameroperators, minder fouten bij het detecteren van gebeurtenissen, betere stads- en wegplanning, verminderde verkeersopstoppingen en een algemeen verbeterde kennis van het wegennet, waarbij rekening wordt gehouden met de temporele dimensie, wat het begrip van de typische statische methoden verbetert.
Momenteel bevinden veel van deze systemen zich nog in de onderzoek- en ontwikkelingsfase. Organisatorische planning moet echter vanaf nu plaatsvinden, aangezien de implementatie-uitdagingen aanzienlijk zullen zijn, zelfs naarmate de stand van de techniek verbetert. Telemus AI™ heeft robuuste implementaties van kunstmatige intelligentietechnologieën en kan systemen ingebed hebben die op schaal opereren.
Telemus AI™ is een in Australië gevestigd bedrijf voor kunstmatige intelligentie dat geavanceerde oplossingen levert aan de overheid en het bedrijfsleven. Neem vandaag nog contact met ons op voor een gratis adviesgesprek over hoe de Telemus AI™ in uw organisatie kan worden ingebed.
