철도 침입 탐지용 AI 도구 개발

루트거스 대학의 엔지니어 팀은 철도 건널목에서 침입을 탐지할 수 있는 AI 기반 도구를 개발했습니다. 이는 지난 10년 동안 발생한 사망자 수를 줄이는 데 도움이 될 것입니다.

새로운 연구는 사고 분석 및 예방 저널에 발표되었습니다.

AI를 사용한 자동 침입 탐지

팀은 Asim Zaman, 루트거스 프로젝트 엔지니어와 Xiang Liu, 루트거스 공과대학의 교통 공학 부교수를 포함했습니다. 두 사람은 철도 침입 사건을 자동으로 탐지하는 AI 지원 프레임워크를 개발했습니다. 또한 침입자의 유형을 구분하고 사건의 비디오 클립을 생성합니다. AI 시스템은 객체 감지 알고리즘을 사용하여 비디오 데이터를 단일 데이터 세트로 처리합니다.

“이 정보를 사용하여 많은 질문에 답할 수 있습니다. 예를 들어, 사람들이 가장 많이 침입하는 시간은 언제이며, 사람들이 게이트를 건너는 것을 좋아하는지 아니면 아래로 내려가는 것을 좋아하는지 알 수 있습니다.”라고 Zaman은 말했습니다.

미국에서 지난 몇 년 동안 철도 건널목 사고가 지속적으로 증가했습니다. 매년 수백 명의 사람이 사망했습니다. 이러한 사망자 수를 줄이기 위한 많은 노력이 있었습니다. 그러나 아직까지는 효과가 없습니다.

연방 철도 관리局(FRA)은 2008년에 약 500명이 철도 권한 부여 지역에서毎年 사망한다고 추정했습니다. 2018년에는 이 숫자가 855명으로 증가했습니다.

Zaman과 Liu는 연구에서 침입자를 철도 또는 교통 재산의 공용으로 사용되지 않는 지역에 있는 무단 사람이나 차량으로 정의했습니다. 또한 신호가 활성화된 후 신호된 등급 교차로에 들어가는 사람들도 포함됩니다.

이 분야의 이전 연구는 주로 사고 정보에서 파생된 데이터에 중점을 두었습니다. 그러나 근접 사고를 고려하지 않았습니다. 근접 사고는 침입 행동에 대한 귀중한 통찰력을 제공할 수 있습니다. 이는 더 효과적인 통제 조치를 설계하는 데 도움이 될 수 있습니다.

연구자들은 뉴저지 주 도시 지역의 교차로에서 캡처된 비디오 자료를 사용하여 이론을 테스트했습니다. 교차로의 비디오 시스템은 노동 집약적이고 비용이 많이 들기 때문에 일관되게 검토되지 않는 문제 중 하나입니다.

AI 훈련

Zaman과 Liu는 1,632시간의 비디오 자료를 분석하여 AI와 딥 러닝 도구를 훈련시켰습니다. 68일 동안 모니터링한 결과, 3,004건의 침입 사건을 발견했습니다. 이는 하루 평균 44건입니다. 또한 침입자의 약 70%가 남성이며, 약 3분의 1이 기차가 통과하기 전에 침입했습니다. 대부분의 위반은 토요일 오후 5시에 발생했습니다.

Zaman에 따르면, 이러한 유형의 세부 데이터는 현지 당국이 위반의 정점에 경찰을 배치하거나 철도 소유자와 의사 결정자가 더 효과적인 교차로 솔루션을 알리는 데 도움이 될 수 있습니다. 이러한 솔루션에는 등급 교차로 제거 시스템 또는 고급 게이트와 신호가 포함될 수 있습니다.

“모두가 데이터를 좋아합니다. 그것이 우리가 제공하는 것입니다.”라고 Zaman은 말했습니다.

“우리는 철도 산업과 의사 결정자들에게 비디오 감시 인프라의 잠재력을 활용하기 위한 도구를 제공하고 싶습니다. 특정 위치에서 데이터 피드의 위험 분석을 통해”라고 Liu는 추가했습니다.

연구자들은 버지니아와 노스 캐롤라이나에서 연구를 수행하고 있습니다. 또한 다른 주로 확장하기 위해 미국 교통부로부터 583,000달러의 보조금을 받았습니다. 여기에는 코네티컷, 루이지애나, 매사추세츠가 포함됩니다.