Gli ingegneri creano uno strumento di rilevamento di intrusioni ferroviarie con l’AI

Un team di ingegneri del Rutgers ha sviluppato uno strumento abilitato all’AI che può rilevare le intrusioni nelle traverse ferroviarie, aiutando a ridurre il numero crescente di decessi avvenuti negli ultimi dieci anni.

La nuova ricerca è stata pubblicata sulla rivista Accident Analysis & Prevention.

Rilevamento automatico delle intrusioni con l’AI

Il team era composto da Asim Zaman, un ingegnere del progetto del Rutgers, e Xiang Liu, un professore associato di ingegneria dei trasporti alla Scuola di Ingegneria del Rutgers. La coppia ha sviluppato un framework aiutato dall’AI che rileva automaticamente gli eventi di intrusione nelle traverse ferroviarie. Esso differenzia inoltre i tipi di trasgressori e genera clip video delle istanze. Il sistema AI si basa su un algoritmo di rilevamento degli oggetti per elaborare i dati video in un unico set di dati.

“Con queste informazioni possiamo rispondere a numerose domande, come a che ora del giorno le persone commettono più intrusioni e se le persone passano intorno ai cancelli quando stanno scendendo o salendo?” ha detto Zaman.

Negli Stati Uniti c’è stato un aumento costante di incidenti di intrusione negli ultimi anni, con centinaia di persone uccise ogni anno. Ci sono stati molti sforzi per ridurre questi decessi, ma finora nulla ha funzionato.

L’Amministrazione ferroviaria federale (FRA) ha stimato nel 2008 che circa 500 persone venivano uccise annualmente a causa di intrusioni nelle proprietà ferroviarie. Questo numero è aumentato a 855 nel 2018, secondo la FRA.

Zaman e Liu hanno definito nella loro ricerca che i trasgressori sono persone o veicoli non autorizzati in un’area di proprietà ferroviaria o di transito non destinata all’uso pubblico, o persone che entrano in un incrocio segnalato dopo che è stato attivato.

Le ricerche precedenti in questo settore hanno principalmente coinvolto dati derivati da informazioni sui decessi, ma non hanno preso in considerazione gli incidenti sfiorati, che Zaman e Liu affermano possono fornire informazioni preziose sul comportamento di intrusione. Ciò potrebbe portare alla progettazione di misure di controllo più efficaci.

I ricercatori hanno testato la loro teoria con immagini video catturate in un incrocio nel New Jersey urbano. Uno dei problemi con i sistemi video agli incroci è che non vengono revisionati in modo coerente a causa del processo laborioso e costoso.

Addestramento dell’AI

Zaman e Liu hanno addestrato l’AI e lo strumento di apprendimento profondo per analizzare 1.632 ore di immagini video d’archivio dal sito di studio. Dopo 68 giorni di monitoraggio, hanno trovato 3.004 istanze di intrusione, che si sono tradotte in 44 al giorno. Hanno anche scoperto che quasi il 70% dei trasgressori erano uomini e che circa un terzo ha commesso intrusioni prima del passaggio del treno. La maggior parte delle violazioni si è verificata il sabato intorno alle 17:00.

Secondo Zaman, questo tipo di dati granulari potrebbe essere utilizzato dalle autorità locali per posizionare agenti di polizia vicino agli incroci durante i periodi di picco di violazioni, o potrebbe aiutare a informare i proprietari di ferrovie e i responsabili delle decisioni di soluzioni di incrocio più efficaci. Queste soluzioni potrebbero includere sistemi di eliminazione degli incroci o cancelli e segnali avanzati.

“Tutti amano i dati e questo è ciò che stiamo fornendo”, ha detto Zaman.

“Vogliamo fornire all’industria ferroviaria e ai responsabili delle decisioni gli strumenti per sfruttare il potenziale inespresso delle infrastrutture di sorveglianza video attraverso l’analisi dei rischi dei loro flussi di dati in posizioni specifiche”, ha aggiunto Liu.

I ricercatori stanno anche conducendo studi in Virginia e Carolina del Nord. Sono stati recentemente assegnatari di una sovvenzione di 583.000 dollari dal Dipartimento dei trasporti degli Stati Uniti per espandersi ad altri stati, tra cui Connecticut, Louisiana e Massachusetts.