Expert Systems - Mga Computer na Nakakatukoy ng mga Traffic Events

Ang mga sistema ng pagsubaybay sa trapiko ay karaniwan sa lahat ng maunlad na network ng kalsada sa buong mundo. Karaniwang binubuo ang mga ito ng mga traffic light, static at dynamic signage, inductive-loop vehicle detectors, radio equipment, speed cameras, number plate detection cameras, at CCTV cameras. Ang mismong mga sistema ng pamamahala ng trapiko ay pinamamahalaan mula sa isang secure control room kung saan tinitiyak ng mga awtorisadong tauhan ang pamamahala ng sistema.

Ang mga operator ng control room ay karaniwang lubhang nasanay at may karanasan, kaya't sila ay pinaghahanap. Madalas na hamon ang pag-recruit at pagpanatili ng mga ganitong operator at pagtiyak na may sapat na bihasang operator sa shift dahil tumatakbo ang mga control room na ito nang 24/7. Makakatulong nang malaki ang Artificial Intelligence sa mga operator ng control room sa mas episyenteng pagpapatakbo ng control at pagkumpleto ng higit pang mga gawain batay sa mga pangyayari tulad ng pagtuklas sa mga anomalous na pangyayari, kabilang ang pagkasira ng sasakyan, pagbangga ng sasakyan, o iba pang mga panganib sa kalsada at pagtukoy sa bilis ng paglalakbay.

Tinutuklasan ng case study na ito kung paano ang isang artificial intelligence expert system ay maaaring i-deploy at gamitin sa isang control room ng pagsubaybay sa trapiko upang mapabuti ang mga kinalabasan para sa lahat ng nakikipag-ugnayan sa mga komplikadong sistema. Kaya, ang mga operator ng control room at mga commuter ay naglalakbay sa iba't ibang network ng kalsada.

Paglutas ng Problema sa pamamagitan ng Artificial Intelligence

Ang Artificial Intelligence ay nagpapahintulot sa mga computing system na maunawaan ang konteksto. Bagama't ang konteksto ay malayo sa pag-unawa ng tao, dahil ang kasalukuyang mga AI system ay tinutukoy bilang narrow AI, madalas itong sapat para sa mga layuning semi-automation. Nangangailangan ang mga traffic control room ng pagsubaybay sa mga CCTV camera upang matukoy ang mga pangyayari at makatugon nang naaangkop. Kasama sa gawaing ito ang pagmamanman sa maraming monitor ng camera at pagtukoy kung paano tutugon sa mga partikular na kalagayan.

Ang mga neural network at deep learning ay lalong nakatuon sa vehicle detection. Tinalakay namin ito nang detalyado sa loob ng Surveillance Footage Object Detection case study. Sa pamamagitan ng pagkuha lamang ng vehicle detection component mula sa Artificial Intelligence, posibleng, kapag alam na ang lokasyon ng sasakyan, posibleng magprogram ng isang set ng mga patakaran para sa control room gamit ang classical algorithmic programming techniques.

Ang paggamit ng mga klasikal na algorithmic na pamamaraan ay nagpapahintulot sa mga organisasyon na magkaroon ng mas malaking kontrol sa mga output ng isang sistemang eksperto.

Ang mga pamamaraan ng computational geometry, na matatag na naitatatag sa computer graphics, ay maaaring magamit upang matukoy ang karagdagang konteksto kapag natrack na ang mga bagay. Halimbawa, ang banggaan ng dalawang sasakyan ay maaaring matukoy nang mahusay sa pamamagitan ng mga algorithm ng computational collision detection, kabilang ang intersection ng dalawang bounding box na bumabalot sa bawat kaukulang sasakyan.

Mahalaga na gamitin ang mga klasikong algorithmic na pamamaraan sa mga expert system dahil mas maaasahan at episyente ang mga ito dahil ang kanilang programming ay tumpak. Ang mga artificial intelligence system ay dapat na limitahan sa isang paraan kung saan ang tao ang gumagawa ng panghuling desisyon sa aksyong gagawin. Ito ay dahil bagama't ang mga artificial intelligence system ay lubos na maaasahan, mayroong margin of error na kailangang mabawasan. Kaya't, inirerekomenda naming ipatupad ang mga expert system sa isang hybrid na paraan, gamit ang pinakamahusay ng parehong artificial intelligence at mga klasikong algorithmic programming na pamamaraan.

Pangkalahatang-ideya ng Hamon sa Organisasyon

Mahirap ipatupad ang mga expert system sa loob ng isang kapaligiran tulad ng control room. Bilang karagdagan sa mga teknolohikal na hamon, maraming administratibong hadlang, compliance requirements at panloob na mga proseso ang dapat sundin upang matiyak ang sapat na pagpapatupad. Bagama't ang teknolohiya ay hamon sa project management at pagpapatupad sa loob ng maraming malalaking organisasyon, ang mga benepisyo ay karaniwang mas higit pa sa halaga ng hindi pagpapatupad nito dahil sa technical debt.

Ang patuloy na panonood ng mga screen sa loob ng maraming oras kung saan karamihan sa panahon, walang partikular na hindi pangkaraniwan na nangyayari ay isang mahirap na gawain para sa karamihan ng mga tao at magiging nakakabagot. Natural na ipalagay na mahihirap panatilihin ang konsentrasyon habang lumilipas ang panahon. Dito nagaling ang mga ekspertong sistema ng AI. Maaaring patuloy na subaybayan ng sistema ang mga feed ng camera para sa mga pangyayari na nangangailangan ng tugon at magbigay ng mga mungkahi sa operator ng control room kung paano sila magpapatuloy.

Nakalista sa ibaba ang ilang mga halimbawa na naglalarawan kung paano makakatrabaho ang isang AI sa isang control room operator:

Kung dalawa o higit pang sasakyan ay nagbanggaan, matutukoy ito ng isang AI, ire-record ang insidente at aalertuhan ang isang control room operator.
Kung ang isang sasakyan ay nagmamaneho nang hindi angkop na bilis, maaaring isaalang-alang ng AI na alertuhan ang driver sa pamamagitan ng digital sign.
Kapag natukoy ang isang panganib sa kalsada, maaaring mag-alerto ang isang AI sa isang control room operator at magmungkahi ng pagsasara ng lane hanggang sa malinis ng isang crew ang panganib.

Data na Organisasyonal na Magagamit bilang Input ng AI

Ang sumusunod ay mga listahan ng pinagmulan ng data na ginagamit ng mga awtomatikong sistema sa pagsubaybay sa trapiko:

Mga CCTV camera, na nakaposisyon kasama ang iba't ibang network ng kalsada.
Impormasyon ng signal ng traffic camera na nagpapakita ng estado ng network ng kalsada.
Nagbibigay ang mga inductive-loop vehicle detector ng data tulad ng timbang ng sasakyan.
Data ng sensor ng LiDAR upang suplementuhan ang mga feed ng CCTV na para sa ilang use case ay mas maaasahan para sa pagproseso para sa computer recognition.

Methodology ng Integration

Ang sumusunod ay isang pangkalahatang-ideya ng proseso na isasagawa namin upang isama ang isang ekspertong sistema para sa pagsubaybay sa trapiko na nakabatay sa intelihensya ng artikulo sa loob ng isang control room:

Tukuyin ang mga CCTV/LiDAR feed at ang camera system na nagbibigay ng pagsubaybay at pagre-record ng mga nasabing feed.
Ipasa ang mga feed sa isang supercomputer o cloud-computing provider para sa real-time na pagsusuri at pagproseso.
Ipasa ang mga feed sa Telemus AI™ at ibalik ang mga pinalawig na video feed pabalik sa mga sistema ng pagsubaybay sa seguridad sa loob ng control room.
Mag-set up ng mga customised alert sa mga tauhan ng seguridad batay sa nakitang bagay batay sa mga parameter kung saan gusto ng mga operator ng control room na gumana ito.
Patuloy na suriin ang performance ng sistema ng artificial intelligence upang mapahusay ito at magdala ng mas malalaking efficiencies nang tuluy-tuloy.

Dahil ang Telemus AI™ ang nag-aasikaso sa teknikal na pagpapatupad ng artificial intelligence, makatuon ng mga organisasyon sa business logic at mga panloob na proseso at pamamaraan na naglalagay ng mga teknolohikal na kakayahan.

Mga Organisational Application

Naglilista ang sumusunod ng iba pang mga potensyal na aplikasyon para sa iyong organisasyon:

Pagpapahusay sa episyensya, bisa at performance ng mga traffic control room.
Pagtukoy sa mga traffic hot spot upang i-optimize ang pagpaplano ng bayan at mabawasan ang traffic congestion.
Pagsubaybay sa mga sasakyan ng fleet kung nasa loob sila ng car park at ibinalik ng mga empleyado ng kumpanya.
Pagsubaybay sa mga sasakyan sa loob ng mga car park at pagsukat sa tagal ng pananatili upang mas maunawaan ang mga pag-uugali ng mga commuter.

Mga Potensyal at Narealisang Benepisyo

Ang mga potensyal na benepisyo ng mga sistemang eksperto na nakabatay sa artificial intelligence ay napakalaki. Ang pagpapatupad ay maaaring humantong sa mas mahusay na produktibidad ng operator ng control room, pagbawas ng mga pagkakamali sa pagtuklas ng mga pangyayari, mas magandang pagpaplano ng bayan at kalsada, pagbawas ng trapiko, at pangkalahatang pagpapabuti ng kaalaman sa network ng kalsada, na ang lahat ng ito ay isinasaalang-alang ang pansamantalang dimensyon, na nagpapabuti sa pag-unawa sa mga tipikal na static na pamamaraan.

Sa kasalukuyan, marami sa mga sistemang ito ay nasa yugto pa rin ng pananaliksik at pagpapaunlad. Gayunpaman, ang pagpaplano ng organisasyon ay dapat mangyari mula ngayon dahil ang mga hamon sa pagpapatupad ay magiging malawak kahit na ang state of the art ay umunlad. Mayroong matibay na mga pagpapatupad ng mga teknolohiya ng artificial intelligence ang Telemus AI™ at maaaring magkaroon ng mga naka-embed na system na umiikot nang naka-scale.

Ang Telemus AI™ ay isang kumpanya ng artificial intelligence na nakabase sa Australia na nagbibigay ng mga advanced na solusyon sa gobyerno at enterprise. Makipag-ugnayan sa amin ngayon para sa isang libreng konsultasyon kung paano maaring i-embed ang Telemus AI™ sa iyong organisasyon.

Mga Tag