Ingeniører utvikler AI-verktøy som oppdager ulovlig ferdsel på jernbanen

Et team av ingeniører ved Rutgers har utviklet et AI-drevet verktøy som kan oppdage ulovlig ferdsel på planoverganger, og hjelpe med å redusere det økende antallet dødsfall som har funnet sted de siste ti årene.

Den nye forskningen ble publisert i tidsskriftet Accident Analysis & Prevention.

Automatisk oppdagelse av ulovlig ferdsel med AI

Teamet bestod av Asim Zaman, en prosjektingeniør ved Rutgers, og Xiang Liu, en førsteamanuensis i transportteknologi ved Rutgers School of Engineering. Duoen utviklet et AI-basert rammeverk som automatisk oppdager ulovlig ferdsel på planoverganger. Det differensierer også typer av overtredere og genererer video-klipp av hendelsene. AI-systemet baserer seg på en objektdeteksjonsalgoritme for å prosessere video-data til ett enkelt datasett.

“Med denne informasjonen kan vi svare på mange spørsmål, som når på dagen folk oftest ferdes ulovlig på jernbanen, og om folk går rundt bommene når de er på vei ned eller opp?” sa Zaman.

Det har vært en jevn økning i overtredelse-ulykker i USA de siste årene, med hundrevis av mennesker drept hvert år. Det har vært mange forsøk på å redusere disse dødsfallene, men ingenting har fungert så langt.

Den føderale jernbaneforvaltningen (FRA) estimerte i 2008 at rundt 500 mennesker ble drept årlig ved overtredelse av jernbane-områder. Dette tallet økte til 855 i 2018, ifølge FRA.

Zaman og Liu definerte i sin forskning at overtredere er uautoriserte personer eller kjøretøy i et jernbane- eller transport-område som ikke er ment for offentlig bruk, eller personer som går inn i et signalisert kryssingsområde etter at det har blitt aktivert.

Tidligere forskning på dette området har hovedsakelig involvert data som er avledet fra skadeinformasjon, men det tok ikke med i betraktning nestenulykker, som Zaman og Liu sier kan gi verdifulle innsikter i overtredelse-atferd. Dette kan føre til design av mer effektive kontrolltiltak.

Forskerne testet sin teori med video-opptak fra en planovergang i et byområde i New Jersey. Et av problemene med video-systemer ved kryssinger er at de ikke alltid gjennomgås på grunn av at prosessen er arbeidskrevende og dyr.

Trening av AI

Zaman og Liu trente AI- og dyplæringsverktøyet til å analysere 1 632 timer med arkiv-video-opptak fra studie-stedet. Etter 68 dager med overvåking, fant de 3 004 eksempler på overtredelse, som utgjorde i gjennomsnitt 44 per dag. De oppdaget også at nesten 70 prosent av overtredere var menn, og rundt en tredjedel overtredde før toget passerte. De fleste overtredelsene skjedde på lørdager rundt klokken 17.

Ifølge Zaman, kan denne type detaljert data brukes av lokale myndigheter til å plassere politi ved kryssinger på tidspunkter med flest overtredelser, eller det kan informere jernbane-eiere og beslutningstakere om mer effektive kryssingsløsninger. Disse løsningene kan inkludere systemer for å fjerne kryssinger eller avanserte bommer og signaler.

“Alle elsker data, og det er det vi tilbyr,” sa Zaman.

“Vi ønsker å gi jernbane-industrien og beslutningstakerne verktøy til å utnytte det ubrukte potensialet i video-overvåkings-infrastruktur gjennom risiko-analyse av deres data-feeds i bestemte lokasjoner,” la Liu til.

Forskerne gjennomfører også studier i Virginia og Nord-Carolina. De ble nylig tildelt en bevilgning på 583 000 dollar fra det amerikanske transportdepartementet til å utvide til andre stater, inkludert Connecticut, Louisiana og Massachusetts.