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

Zespół inżynierów z Rutgers wytworzył narzędzie wspomagane sztuczną inteligencją, które może wykrywać wtargnięcia na przejazdy kolejowe, pomagając zmniejszyć rosnącą liczbę ofiar śmiertelnych w ciągu ostatnich dziesięciu lat.

Nowe badania zostały 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 Szkole Inżynierskiej Rutgers. Para ta opracowała ramy wspomagane sztuczną inteligencją, które automatycznie wykrywają zdarzenia wtargnięć na tory kolejowe. System ten również rozróżnia rodzaje sprawców i generuje klipy wideo 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 liczby wypadków związanych z wtargnięciami na tory kolejowe, przy czym każdego roku giną setki ludzi. Podjęto wiele wysiłków, aby zmniejszyć liczbę ofiar śmiertelnych, ale dotąd nic nie przyniosło skutku.

Federalna Administracja Kolei (FRA) szacowała, że w 2008 roku około 500 osób zginęło rocznie w wyniku wtargnięć na tory kolejowe. Liczba ta wzrosła do 855 w 2018 roku, według FRA.

Zaman i Liu zdefiniowali w swoich badaniach, że sprawcami wtargnięć są osoby lub pojazdy nieuprawnione do przebywania w określonym 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 uwzględniały near-miss, 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 urbanistycznym New Jersey. Jednym z problemów z systemami wideo na przejazdach jest to, że nie są one systematycznie przeglądane z powodu czasochłonności i kosztów tego procesu.

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 dawało średnio 44 przypadki dziennie. Stwierdzili również, że prawie 70% 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 okolicy przejazdu w czasie szczytu przypadków wtargnięć lub mogą poinformować właścicieli kolei i decydentów o bardziej skutecznych rozwiązaniach dla przejazdów. Takie rozwiązania mogą obejmować systemy eliminacji przejazdów lub zaawansowane bramki i sygnalizację.

„Wszyscy kochają dane, a to jest to, co dostarczamy”, powiedział Zaman.

„Chcemy dać przemysłowi kolejowemu i decydentom narzędzia do wykorzystania niewykorzystanego potencjału infrastruktury nadzoru wideo poprzez analizę ryzyka ich danych wejściowych w określonych lokalizacjach”, 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.