Analiza natężenia ruchu, sztuczna inteligencja i bezpieczeństwo na drogach

Analiza natężenia ruchu przez sztuczną inteligencję pozwala automatycznie wykrywać zagrożenia występujące na drogach, co wpłynie na poprawę bezpieczeństwa.

.Nowe narzędzie stworzone przez badaczy z NYU Tandon School of Engineering może znacząco zmienić podejście do analizy materiałów z miejskich kamer. W samym Nowym Jorku tysiące kamer rejestrują setki tysięcy godzin nagrań miesięcznie, lecz ręczna analiza jest praktycznie niewykonalna.

Tak oto powstał multimodalny model sztucznej inteligencji łączący rozumienie obrazu i języka. Publiczne służby mogą dzięki niemu automatycznie wykrywać kolizje oraz sytuacje bliskie wypadkom, bez potrzeby inwestowania w nowe kamery czy kosztowne procesy ręcznego opisywania danych. System szybko zyskał uznanie, zdobywając Vision Zero Research Award za wkład w poprawę bezpieczeństwa drogowego.

System SeeUnsafe jest efektem współpracy specjalistów od komputerowego widzenia, robotyki i inżynierii transportu. Jego działanie polega na analizie długich sekwencji wideo przy użyciu modeli, które potrafią jednocześnie interpretować obraz i kontekst opisowy. Dzięki temu potrafi nie tylko wykryć kolizję, ale też określić jej czas, miejsce oraz uczestników. W testach na zbiorze Toyota Woven Traffic Safety system osiągnął skuteczność 76,71% w klasyfikowaniu nagrań jako: kolizje, sytuacje bliskie wypadkom lub formie normalnego bezpieczengo ruchu. W identyfikacji uczestników zdarzeń jego dokładność sięgała 87,5%, co pokazuje, że multimodalne modele dużej skali zaczynają radzić sobie z analizą złożonych sytuacji drogowych. To ważne, bo do tej pory pełna automatyzacja analizy ruchu była poza zasięgiem większości instytucji transportowych.

.Tradycyjnie zmiany infrastrukturalne są wdrażane dopiero po wypadkach. Nowe narzędzie pozwala odwrócić tę logikę. Systemy powinny działać w większym stopniu profilaktycznie, a nie dopiero po zobaczeniu skutków swoich działań.

Analizując powtarzające się wzorce zagrożeń, takie jak przejazdy zbyt blisko pieszych, gwałtowne wymuszenia pierwszeństwa czy niewłaściwe manewry na skrzyżowaniach, SeeUnsafe umożliwia identyfikację miejsc niebezpiecznych zanim dojdzie do poważnego zdarzenia. Dany rodzaj analizy może prowadzić do szybszego wdrażania działań prewencyjnych. Począwszy od zmian w oznakowaniu, przez korektę sygnalizacji świetlnej, po przebudowę układu jezdni. Co najważniejsze, miasto nie musi ponosić ogromnych kosztów dodatkowych badań, bo system działa na bazie już istniejących kamer.

SeeUnsafe generuje również „raporty bezpieczeństwa”, czyli opisowe podsumowania wyjaśniające, dlaczego uznał dany fragment nagrania za groźny. Uwzględnia w nich m.in. warunki pogodowe, natężenie ruchu i zachowania poszczególnych uczestników. Choć system nadal ma ograniczenia w postaci słabego radzenia sobie przy ograniczonym oświetleniu, badacze przewidują, że podobne rozwiązania mogą trafić także do samochodowych kamer pokładowych, pozwalając kierowcom otrzymywać ostrzeżenia o ryzyku w czasie rzeczywistym.

.Technologia powinna pozwalać zapobiegać niepożądanym skutkom przed ich wystąpieniem, a nie dopiero po fakcie. System UseeUnsafe może przyczynić się do tego, aby na bieżąco reagować, radykalnie podnosząc poziom bezpieczeństwa na drogach.

Oprac: SŚ