Системы мониторинга дорожного движения являются обычным явлением на всех развитых дорожных сетях мира. Они обычно состоят из светофоров, статических и динамических дорожных знаков, индуктивных детекторов транспортных средств, радиотехнического оборудования, камер контроля скорости, камер распознавания номерных знаков и камер видеонаблюдения. Системами управления дорожным движением управляют из защищенной диспетчерской, где уполномоченный персонал обеспечивает управление системой.
Операторы диспетчерских обычно проходят тщательную подготовку и имеют большой опыт, что делает их востребованными. Часто бывает сложно набирать и удерживать таких операторов, а также обеспечивать наличие достаточного количества квалифицированных операторов в смене, поскольку эти диспетчерские работают круглосуточно и без выходных. Искусственный интеллект может значительно помочь операторам диспетчерских в более эффективном управлении и выполнении большего количества задач, основанных на событиях, таких как обнаружение аномальных событий, включая поломки транспортных средств, столкновения транспортных средств или другие дорожные опасности, а также определение скорости движения.
В этом примере из практики рассматривается, как экспертная система на базе искусственного интеллекта может быть развернута и использована в диспетчерской мониторинга дорожного движения для достижения лучших результатов для всех, кто взаимодействует со сложными системами. Таким образом, операторы диспетчерских и пассажиры перемещаются по различным дорожным сетям.
Методы вычислительной геометрии, которые хорошо зарекомендовали себя в компьютерной графике, могут быть использованы для определения дополнительного контекста после отслеживания объектов. Например, столкновение двух транспортных средств может быть эффективно обнаружено с помощью алгоритмов вычислительного обнаружения столкновений, включая пересечение двух ограничивающих рамок, окружающих каждое соответствующее транспортное средство.
В экспертных системах важно использовать классические алгоритмические методы, поскольку они более надежны и эффективны благодаря точному программированию. Системы искусственного интеллекта должны быть ограничены таким образом, чтобы окончательное решение о принимаемых действиях принимал человек. Это связано с тем, что, хотя системы искусственного интеллекта обладают высокой надежностью, существует погрешность, которую необходимо минимизировать. Таким образом, мы рекомендуем внедрять экспертные системы гибридным образом, используя лучшие методы как искусственного интеллекта, так и классического алгоритмического программирования.
Обзор организационной проблемы
Экспертные системы сложны во внедрении в таких условиях, как диспетчерская. В дополнение к технологическим трудностям необходимо соблюдать многочисленные административные барьеры, требования соответствия и внутренние процессы для обеспечения надлежащего внедрения. Хотя управление проектами и внедрение технологий является сложной задачей во многих крупных организациях, преимущества обычно все же перевешивают стоимость их невнедрения из-за технического долга.
Постоянное наблюдение за экранами часами напролет, когда большую часть времени не происходит ничего необычного, является сложной задачей для большинства людей и может быть утомительным. Естественно предположить, что по мере прохождения времени будет трудно поддерживать концентрацию. Вышеупомянутое — это та область, где преуспевают экспертные системы AI. Система может постоянно отслеживать потоки с камер на предмет событий, требующих реагирования, и делать предложения оператору диспетчерской о том, как им следует действовать.
Ниже приведены некоторые примеры, описывающие, как AI может работать совместно с оператором диспетчерской:
- Если два или более транспортных средств сталкиваются, AI обнаружит это, зафиксирует инцидент и предупредит оператора диспетчерской.
- Если транспортное средство движется с несоответствующей скоростью, AI может рассмотреть возможность предупреждения водителя с помощью цифрового знака.
- При обнаружении опасности на дороге AI может предупредить оператора диспетчерской и предложить закрыть полосу движения до тех пор, пока бригада не устранит опасность.
Организационные данные, доступные в качестве ввода для AI
Ниже перечислены источники данных, используемые автоматизированными системами мониторинга трафика:
- Камеры CCTV, установленные вдоль различных дорожных сетей.
- Информация о сигналах камер дорожного движения, указывающая на состояние дорожной сети.
- Индуктивные детекторы транспортных средств предоставляют такие данные, как вес транспортного средства.
- Данные датчиков LiDAR для дополнения потоков CCTV, что в некоторых случаях применения может быть более надежным для обработки при компьютерном распознавании.
Методология интеграции
Ниже представлен обзор процесса, который мы выполнили бы для интеграции экспертной системы мониторинга трафика на базе искусственного интеллекта в диспетчерскую:
- Определите потоки CCTV/LiDAR и систему камер, которая обеспечивает мониторинг и запись таких потоков.
- Пересылка потоков данных на суперкомпьютер или поставщика облачных вычислений для анализа и обработки в реальном времени.
- Пропустите потоки данных через Telemus AI™ и верните дополненные видеопотоки обратно в системы мониторинга безопасности в диспетчерской.
- Настройте персонализированные оповещения для сотрудников службы безопасности на основе того, что обнаружено, в соответствии с параметрами, в которых операторы диспетчерской хотят, чтобы это работало.
- Постоянно оценивайте производительность системы искусственного интеллекта для ее улучшения, чтобы непрерывно обеспечивать еще большую эффективность.
Учитывая, что Telemus AI™ берет на себя техническую реализацию искусственного интеллекта, организации могут сосредоточиться на бизнес-логике и внутренних процессах и процедурах, внедряя технологические возможности.
Организационные приложения
Ниже перечислены другие потенциальные области применения для вашей организации:
- Повышение эффективности, действенности и производительности диспетчерских управления дорожным движением.
- Определение транспортных «узких мест» для оптимизации городского планирования в целях снижения транспортных заторов.
- Отслеживание автопарка, если они находятся на парковке и возвращены сотрудниками компании.
- Отслеживание транспортных средств на парковках и измерение продолжительности пребывания для лучшего понимания поведения пассажиров.
Потенциальные и реализованные преимущества
Потенциальные преимущества экспертных систем на основе искусственного интеллекта огромны. Внедрение может привести к повышению производительности операторов диспетчерских, сокращению ошибок при обнаружении событий, улучшению планирования городов и дорог, снижению загруженности дорог и общему улучшению знаний о дорожной сети, и все это с учетом временного измерения, что улучшает понимание по сравнению с типичными статическими методами.
В настоящее время многие из этих систем всё ещё находятся на стадии исследований и разработок. Однако организационное планирование должно начинаться уже сейчас, поскольку проблемы внедрения будут огромными, даже по мере совершенствования технологий. Telemus AI™ обладает надёжными реализациями технологий искусственного интеллекта и позволяет встраивать системы, работающие в масштабе.
Telemus AI™ — это австралийская компания в сфере искусственного интеллекта, предоставляющая передовые решения для государственных учреждений и предприятий. Свяжитесь с нами сегодня для бесплатной консультации о том, как Telemus AI™ может быть внедрена в вашу организацию.
