Systemy monitorowania ruchu są powszechne we wszystkich rozwiniętych sieciach drogowych na świecie. Składają się zazwyczaj ze świateł drogowych, znaków statycznych i dynamicznych, czujników pojazdów z pętlą indukcyjną, sprzętu radiowego, kamer pomiaru prędkości, kamer rozpoznawania tablic rejestracyjnych i kamer CCTV. Same systemy zarządzania ruchem są zarządzane z bezpiecznego pokoju kontrolnego, gdzie upoważniony personel zapewnia zarządzanie systemem.
Operatorzy w centrach kontroli są zazwyczaj wysoko wykwalifikowani i doświadczeni, co czyni ich poszukiwanymi. Często trudno jest rekrutować i zatrzymywać takich operatorów oraz zapewnić wystarczającą liczbę wykwalifikowanych operatorów na zmianie, ponieważ te centra kontroli działają 24/7. Sztuczna inteligencja może znacznie pomóc operatorom centrów kontroli w bardziej wydajnym zarządzaniu kontrolą i wykonywaniu większej liczby zadań opartych na zdarzeniach, takich jak wykrywanie zdarzeń anomalnych, w tym awarii pojazdów, kolizji pojazdów lub innych zagrożeń drogowych oraz wykrywanie prędkości przejazdu.
Ta analiza przypadku bada, jak system ekspercki sztucznej inteligencji może zostać wdrożony i wykorzystany w sterowni monitorowania ruchu drogowego, aby uzyskać lepsze rezultaty dla wszystkich, którzy wchodzą w interakcję ze złożonymi systemami. W ten sposób operatorzy sterowni i dojeżdżający poruszają się po różnych sieciach drogowych.
Techniki geometrii obliczeniowej, które są dobrze ugruntowane w grafice komputerowej, mogą być stosowane do wykrywania dalszego kontekstu po śledzeniu obiektów. Na przykład kolizja dwóch pojazdów może być wykrywana wydajnie za pomocą algorytmów obliczeniowego wykrywania kolizji, w tym przecięcia dwóch prostopadłościanów otaczających każdy z pojazdów.
W systemach eksperckich konieczne jest stosowanie klasycznych technik algorytmicznych, ponieważ są one bardziej niezawodne i wydajne, biorąc pod uwagę ich precyzyjne programowanie. Systemy sztucznej inteligencji powinny być ograniczone w taki sposób, aby ostateczną decyzję o działaniu do podjęcia podejmował człowiek. Wynika to z faktu, że chociaż systemy sztucznej inteligencji są bardzo niezawodne, istnieje margines błędu, który należy zminimalizować. Dlatego zalecamy wdrażanie systemów eksperckich w sposób hybrydowy, wykorzystując najlepsze techniki programowania sztucznej inteligencji i algorytmów klasycznych.
Przegląd wyzwania organizacyjnego
Systemy eksperckie są trudne do wdrożenia w środowisku takim jak sala kontrolna. Oprócz wyzwań technologicznych, należy przestrzegać licznych przeszkód administracyjnych, wymogów zgodności i procesów wewnętrznych, aby zapewnić odpowiednie wdrożenie. Chociaż technologia stanowi wyzwanie dla zarządzania projektami i wdrażania w wielu dużych organizacjach, korzyści zazwyczaj nadal przewyższają koszty jej niewdrożenia z powodu długu technologicznego.
Ciągłe wpatrywanie się w ekrany przez wiele godzin z rzędu, gdy przez większość czasu nie dzieje się nic szczególnie niezwykłego, jest trudnym zadaniem dla większości ludzi i byłoby nużące. Naturalne jest założenie, że z upływem czasu trudno byłoby utrzymać koncentrację. Powyższe to obszar, w którym doskonale radzą sobie eksperckie systemy AI. System może stale monitorować strumienie z kamer pod kątem zdarzeń wymagających reakcji i sugerować operatorowi w centrum kontroli, jak może postąpić.
Poniżej przedstawiono kilka przykładów opisujących, jak AI może współpracować z operatorem centrum sterowania:
- Jeśli dwa lub więcej pojazdów się zderzy, AI to wykryje, zarejestruje zdarzenie i ostrzeże operatora w sali kontroli.
- Jeśli pojazd jedzie z nieodpowiednią prędkością, AI może rozważyć ostrzeżenie kierowcy za pomocą znaku cyfrowego.
- W przypadku wykrycia zagrożenia na drodze, AI może ostrzec operatora w sali kontrolnej i zasugerować zamknięcie pasa ruchu do czasu, aż ekipa usunie zagrożenie.
Dane organizacyjne dostępne jako dane wejściowe AI
Poniższa lista źródeł danych wykorzystywanych przez zautomatyzowane systemy monitorowania ruchu:
- Kamery CCTV, zlokalizowane wzdłuż różnych sieci drogowych.
- Informacje o sygnale z kamer drogowych wskazujące na stan sieci drogowej.
- Detektory pojazdów z pętlą indukcyjną dostarczają dane, takie jak masa pojazdu.
- Dane z czujników LiDAR uzupełniające transmisje CCTV, co w niektórych przypadkach użycia może być bardziej niezawodne do przetwarzania w ramach rozpoznawania komputerowego.
Metodologia integracji
Poniżej znajduje się przegląd procesu, który przeprowadzilibyśmy w celu zintegrowania systemu eksperckiego do monitorowania ruchu opartego na inteligencji artykułów wewnątrz centrum sterowania:
- Zidentyfikuj strumienie CCTV/LiDAR oraz system kamer zapewniający monitorowanie i nagrywanie takich strumieni.
- Przesyłanie danych do superkomputera lub dostawcy chmury obliczeniowej w celu analizy i przetwarzania w czasie rzeczywistym.
- Przekaż strumienie przez Telemus AI™ i zwróć rozszerzone strumienie wideo z powrotem do systemów monitorowania bezpieczeństwa w sterowni.
- Skonfiguruj spersonalizowane alerty dla personelu ochrony na podstawie tego, co zostanie wykryte, zgodnie z parametrami, w jakich operatorzy pokoju kontrolnego życzą sobie, aby działał.
- Stale oceniaj wydajność systemu sztucznej inteligencji, aby go ulepszać i w sposób ciągły napędzać jeszcze większą efektywność.
Biorąc pod uwagę, że Telemus AI™ zajmuje się techniczną implementacją sztucznej inteligencji, organizacje mogą skupić się na logice biznesowej oraz wewnętrznych procesach i procedurach osadzających możliwości technologiczne.
Zastosowania organizacyjne
Poniższa lista innych potencjalnych zastosowań dla Twojej organizacji:
- Poprawa wydajności, skuteczności i wydajności centrów sterowania ruchem.
- Określanie punktów zapalnych ruchu drogowego w celu optymalizacji planowania przestrzennego i zmniejszenia korków.
- Śledzenie pojazdów floty, jeśli znajdują się na parkingu i są zwracane przez pracowników firmy.
- Śledzenie pojazdów na parkingach i mierzenie czasu postoju w celu lepszego zrozumienia zachowań dojeżdżających do pracy.
Potencjalne i zrealizowane korzyści
Potencjalne korzyści z systemów eksperckich opartych na sztucznej inteligencji są ogromne. Wdrożenie może prowadzić do lepszej produktywności operatorów w centrach dowodzenia, zmniejszenia błędów w wykrywaniu zdarzeń, lepszego planowania miast i dróg, zmniejszenia korków drogowych oraz ogólnie lepszej znajomości sieci drogowej, z czego wszystko uwzględnia wymiar czasowy, poprawiając zrozumienie typowych metod statycznych.
Obecnie wiele z tych systemów znajduje się nadal w fazie badań i rozwoju. Jednakże planowanie organizacyjne powinno rozpocząć się już teraz, ponieważ wyzwania związane z wdrożeniem będą ogromne, nawet pomimo postępu w dziedzinie najnowocześniejszych technologii. Telemus AI™ posiada solidne wdrożenia technologii sztucznej inteligencji i może zintegrować systemy działające na dużą skalę.
Telemus AI™ to australijska firma zajmująca się sztuczną inteligencją, dostarczająca zaawansowane rozwiązania dla administracji rządowej i przedsiębiorstw. Skontaktuj się z nami już dziś, aby uzyskać bezpłatną konsultację na temat tego, jak Telemus AI™ może być wbudowane w Twoją organizację.
