Insinyur Membuat Alat Deteksi Pelanggaran Kereta Api AI

Sebuah tim insinyur di Rutgers telah mengembangkan alat berkemampuan AI yang dapat mendeteksi pelanggaran di perlintasan kereta api, membantu mengurangi meningkatnya jumlah kematian yang terjadi selama sepuluh tahun terakhir. 

Riset baru ini dipublikasikan di jurnal Analisis & Pencegahan Kecelakaan. 

Secara Otomatis Mendeteksi Pelanggaran Dengan AI

Tim tersebut terdiri dari Asim Zaman, seorang insinyur proyek Rutgers, dan Xiang Liu, seorang profesor teknik transportasi di Rutgers School of Engineering. Pasangan ini mengembangkan kerangka kerja berbantuan AI yang secara otomatis mendeteksi peristiwa pelanggaran jalur kereta api. Itu juga membedakan jenis pelanggar dan menghasilkan klip video dari kasus tersebut. Sistem AI mengandalkan algoritme deteksi objek untuk memproses data video menjadi satu kumpulan data. 

“Dengan informasi ini kami dapat menjawab banyak pertanyaan, seperti jam berapa orang paling sering masuk tanpa izin, dan apakah orang melewati gerbang ketika mereka turun atau naik?” kata Zaman.

Telah terjadi peningkatan yang konsisten dalam kecelakaan pelanggaran di Amerika Serikat selama beberapa tahun terakhir, dengan setiap tahun melihat ratusan orang tewas. Sudah banyak upaya untuk mengurangi angka kematian ini, namun belum ada yang berhasil. 

Administrasi Kereta Api Federal (FRA) memperkirakan pada tahun 2008 bahwa sekitar 500 orang tewas setiap tahun karena melanggar hak jalan kereta api. Jumlah itu meningkat menjadi 855 pada 2018, menurut FRA. 

Zaman dan Liu mendefinisikan dalam penelitian mereka bahwa pelanggar adalah orang atau kendaraan yang tidak berwenang di area rel kereta api atau properti transit yang tidak dimaksudkan untuk penggunaan umum, atau orang yang memasuki perlintasan sebidang bersinyal setelah diaktifkan. 

Penelitian sebelumnya di bidang ini sebagian besar melibatkan data yang berasal dari informasi korban, tetapi tidak memperhitungkan nyaris celaka, yang menurut Zaman dan Liu dapat memberikan wawasan berharga tentang perilaku pelanggaran. Hal ini dapat mengarah pada desain tindakan pengendalian yang lebih efektif. 

Para peneliti menguji teori mereka dengan rekaman video yang diambil di persimpangan di perkotaan New Jersey. Salah satu masalah dengan sistem video di perlintasan adalah tidak ditinjau secara konsisten karena prosesnya padat karya dan mahal. 

Melatih AI

Zaman dan Liu melatih AI dan alat pembelajaran mendalam untuk menganalisis 1,632 jam rekaman video arsip dari lokasi penelitian. Setelah 68 hari pemantauan, mereka menemukan 3,004 kasus pelanggaran, yang rata-rata mencapai 44 per hari. Mereka juga menemukan bahwa hampir 70 persen pelanggar adalah laki-laki, dan sekitar sepertiga pelanggar sebelum kereta lewat. Sebagian besar pelanggaran terjadi pada hari Sabtu sekitar pukul 5 

Menurut Zaman, jenis data granular ini dapat digunakan oleh otoritas lokal untuk menempatkan petugas polisi di dekat perlintasan selama masa puncak pelanggaran, atau dapat membantu menginformasikan pemilik kereta api dan pembuat keputusan tentang solusi penyeberangan yang lebih efektif. Jenis solusi ini dapat mencakup sistem eliminasi perlintasan sebidang atau gerbang dan sinyal canggih. 

 “Semua orang menyukai data, dan itulah yang kami sediakan,” kata Zaman.

“Kami ingin memberikan industri perkeretaapian dan alat pembuat keputusan untuk memanfaatkan potensi infrastruktur pengawasan video yang belum dimanfaatkan melalui analisis risiko umpan data mereka di lokasi tertentu,” tambah Liu. 

Para peneliti juga melakukan studi di Virginia dan North Carolina. Mereka baru-baru ini mendapatkan hibah $583,000 dari Departemen Perhubungan AS untuk memperluas ke negara bagian lain termasuk Connecticut, Louisiana, dan Massachusetts.