Inżynierowie tworzą narzędzie do wykrywania wtargnięć na tory kolejowe z użyciem sztucznej inteligencji

Zespół inżynierów z Rutgers wykreował narzędzie z wykorzystaniem sztucznej inteligencji, które może wykrywać wtargnięcia na przejazdy kolejowe, pomagając zmniejszyć rosnącą liczbę ofiar w ciągu ostatnich dziesięciu lat.

Nowe badanie zostało opublikowane w czasopiśmie Accident Analysis & Prevention.

Automatyczne wykrywanie wtargnięć z użyciem sztucznej inteligencji

Zespół składał się z Asim Zaman, inżyniera projektu Rutgers, oraz Xiang Liu, associate professor inżynierii transportu w Rutgers School of Engineering. Para ta opracowała ramy z użyciem sztucznej inteligencji, które automatycznie wykrywają zdarzenia wtargnięć na tory kolejowe. System ten różnicuje również rodzaje sprawców i generuje klipy wideo z tych zdarzeń. System sztucznej inteligencji opiera się na algorytmie wykrywania obiektów do przetwarzania danych wideo w jedną bazę danych.

“Z tą informacją możemy odpowiedzieć na wiele pytań, takich jak jaka godzina dnia ludzie najczęściej wtargują na tory, i czy ludzie omijają bramki, gdy są one otwierane lub zamykane?” powiedział Zaman.

W Stanach Zjednoczonych od kilku lat obserwuje się stały wzrost wypadków związanych z wtargnięciami na tory kolejowe, przy czym każdego roku giną setki ludzi. Podjęto wiele wysiłków, aby zmniejszyć liczbę ofiar, ale dotąd nic nie przyniosło efektu.

Federalna Administracja Kolei (FRA) szacowała, że w 2008 roku około 500 osób zginęło rocznie wtargnąwszy na tory kolejowe. Ta liczba wzrosła do 855 w 2018 roku, według FRA.

Zaman i Liu zdefiniowali w swoim badaniu, że sprawcami wtargnięć są osoby lub pojazdy nieuprawnione do przebywania w obszarze torów kolejowych lub osób, które wjeżdżają na przejazd sygnałowy po jego aktywacji.

Poprzednie badania w tej dziedzinie dotyczyły głównie danych pochodzących z informacji o ofiarach, ale nie brały pod uwagę near-misses, które zdaniem Zaman i Liu mogą dostarczyć cennych informacji o zachowaniach związanych z wtargnięciami. Mogłoby to prowadzić do opracowania bardziej skutecznych środków kontroli.

Badacze przetestowali swoją teorię z użyciem nagrania wideo zarejestrowanego na przejeździe w urbanistycznej części New Jersey. Jednym z problemów z systemami wideo na przejazdach jest to, że nie są one systematycznie przeglądane ze względu na pracochłonność i koszty.

Szkolenie sztucznej inteligencji

Zaman i Liu przeszkolili sztuczną inteligencję i narzędzie głębokiego uczenia, aby analizować 1632 godziny archiwalnych nagrań wideo z miejsca badania. Po 68 dniach monitorowania stwierdzili 3004 przypadki wtargnięć, co daje średnio 44 przypadki dziennie. Stwierdzili również, że prawie 70 procent sprawców to mężczyźni, a około jedna trzecia wtargnęła przed przejazdem pociągu. Większość przypadków miała miejsce w soboty około godziny 17.

Według Zaman, tego rodzaju szczegółowe dane mogą być wykorzystane przez władze lokalne do rozmieszczenia policjantów w pobliżu przejazdów w czasie szczytu przypadków wtargnięć lub mogą pomóc właścicielom kolei i decydentom w opracowaniu bardziej skutecznych rozwiązań dla przejazdów. Takie rozwiązania mogą obejmować systemy eliminacji przejazdów lub zaawansowane bramki i sygnalizację.

“Wszyscy kochają dane, i to właśnie dostarczamy,” powiedział Zaman.

“Chcemy dać przemysłowi kolejowemu i decydentom narzędzia do wykorzystania niewykorzystanego potencjału infrastruktury nadzoru wideo poprzez analizę ryzyka ich strumieni danych w określonych miejscach,” dodał Liu.

Badacze prowadzą również badania w Wirginii i Karolinie Północnej. Otrzymali niedawno grant w wysokości 583 000 dolarów od Departamentu Transportu Stanów Zjednoczonych, aby rozszerzyć swoje badania na inne stany, w tym Connecticut, Luizjanę i Massachusetts.