Հսկողություն
Ինժեներները ստեղծել են AI երկաթուղու խախտման հայտնաբերման գործիք
Rutgers-ի ինժեներների թիմը մշակել է արհեստական ինտելեկտով աշխատող գործիք, որը կարող է հայտնաբերել երկաթուղային անցումների վրա ոտնձգությունը՝ օգնելով նվազեցնել վերջին տասը տարիների ընթացքում տեղի ունեցող մահացության աճող թիվը:
Նոր հետազոտությունը հրապարակվել է ամսագրում Վթարների վերլուծություն և կանխարգելում.
Ինտելեկտի միջոցով խախտման ավտոմատ հայտնաբերում
Թիմը կազմված էր Ռուտգերսի նախագծի ինժեներ Ասիմ Զամանից և Ռութգերսի ճարտարագիտական դպրոցի տրանսպորտային ճարտարագիտության գծով դոցենտ Սյան Լյուից: Զույգը մշակել է AI-ի օգնությամբ շրջանակ, որն ավտոմատ կերպով հայտնաբերում է երկաթուղու խախտման դեպքերը: Այն նաև տարբերակում է խախտողների տեսակները և գեներացնում է դեպքերի տեսահոլովակները: AI համակարգը հենվում է օբյեկտների հայտնաբերման ալգորիթմի վրա՝ վիդեո տվյալները մեկ տվյալների բազայում մշակելու համար:
«Այս տեղեկություններով մենք կարող ենք պատասխանել բազմաթիվ հարցերի, օրինակ՝ օրվա ո՞ր ժամին են մարդիկ ամենաշատը խախտել, և արդյո՞ք մարդիկ շրջում են դարպասներով, երբ իջնում կամ բարձրանում են»: ասել է Zaman-ը։
Վերջին մի քանի տարիների ընթացքում Միացյալ Նահանգներում արձանագրվել է խախտման դեպքերի հետևողական աճ, երբ ամեն տարի հարյուրավոր մարդիկ են զոհվում: Բազմաթիվ ջանքեր են գործադրվել այս մահվան դեպքերը նվազեցնելու համար, բայց դեռ ոչինչ չի ստացվել:
Երկաթուղու դաշնային վարչությունը (FRA) դեռ 2008-ին գնահատել է, որ տարեկան մոտ 500 մարդ է զոհվում երկաթուղային ճանապարհի իրավունքը խախտելու պատճառով: Այդ թիվը 855 թվականին աճել է մինչև 2018, ըստ FRA-ի:
Zaman-ը և Liu-ն իրենց հետազոտության մեջ սահմանեցին, որ սահմանախախտները չարտոնված մարդիկ կամ տրանսպորտային միջոցներ են երկաթուղու կամ տարանցիկ գույքի տարածքում, որը նախատեսված չէ հանրային օգտագործման համար, կամ մարդիկ, ովքեր մուտք են գործում ազդանշանային անցում այն ակտիվացնելուց հետո:
Այս ոլորտում նախորդ հետազոտությունները հիմնականում ներառում էին տուժածների մասին տեղեկություններից ստացված տվյալներ, սակայն այն հաշվի չի առել մոտ վրիպումները, որոնք Zaman-ի և Liu-ի կարծիքով կարող են արժեքավոր պատկերացումներ տալ խախտման պահվածքի վերաբերյալ: Սա կարող է հանգեցնել ավելի արդյունավետ վերահսկողության միջոցների նախագծմանը:
Հետազոտողները փորձարկել են իրենց տեսությունը Նյու Ջերսիի քաղաքային անցումներից մեկում նկարահանված տեսանյութերով: Անցումներում տեսագրման համակարգերի խնդիրներից մեկն այն է, որ դրանք հետևողականորեն չեն վերանայվում գործընթացի աշխատատար և թանկ լինելու պատճառով:
AI-ի ուսուցում
Zaman-ը և Liu-ն ուսուցանել են արհեստական ինտելեկտը և խորը ուսուցման գործիքը՝ ուսումնասիրության վայրից 1,632 ժամ արխիվային տեսագրությունները վերլուծելու համար: 68 օր մոնիտորինգից հետո նրանք հայտնաբերել են խախտման 3,004 դեպք, որը միջինը կազմել է օրական 44: Նրանք նաև պարզել են, որ սահմանախախտների գրեթե 70 տոկոսը տղամարդիկ են եղել, և մոտ մեկ երրորդը խախտել է նախքան գնացքը անցնելը: Ամենաշատ խախտումները տեղի են ունեցել շաբաթ օրերին՝ ժամը 5-ի սահմաններում
Ըստ Zaman-ի, այս տեսակի հատիկավոր տվյալները կարող են օգտագործվել տեղական իշխանությունների կողմից՝ ոստիկանության աշխատակիցներին անցումների մոտ տեղավորելու համար՝ խախտումների գագաթնակետի ժամանակ, կամ դա կարող է օգնել երկաթուղու սեփականատերերին և որոշում կայացնողներին տեղեկացնել անցումների ավելի արդյունավետ լուծումների մասին: Այս տեսակի լուծումները կարող են ներառել աստիճանների հատման վերացման համակարգեր կամ առաջադեմ դարպասներ և ազդանշաններ:
«Բոլորն էլ սիրում են տվյալներ, և դա այն է, ինչ մենք տրամադրում ենք», - ասում է Zaman-ը:
«Մենք ցանկանում ենք երկաթուղային արդյունաբերությանը և որոշում կայացնողներին գործիքներ տրամադրել՝ օգտագործելու տեսահսկման ենթակառուցվածքի չօգտագործված ներուժը՝ կոնկրետ վայրերում նրանց տվյալների հոսքերի ռիսկերի վերլուծության միջոցով», - ավելացրեց Լյուն:
Հետազոտողները նաև ուսումնասիրություններ են անցկացնում Վիրջինիայում և Հյուսիսային Կարոլինայում: Նրանք վերջերս ստացել են 583,000 ԱՄՆ դոլար դրամաշնորհ ԱՄՆ Տրանսպորտի նախարարության կողմից՝ ընդլայնվելու այլ նահանգներում, այդ թվում՝ Կոնեկտիկուտում, Լուիզիանայում և Մասաչուսեթսում:
