Инженеры создали инструмент для обнаружения нарушений на железнодорожных переездах с помощью ИИ

Команда инженеров в Rutgers разработала инструмент, оснащенный ИИ, который может обнаруживать нарушения на железнодорожных переездах, giúp снижать количество смертельных случаев, происходящих в течение последних десяти лет.

Новое исследование было опубликовано в журнале Accident Analysis & Prevention.

Автоматическое обнаружение нарушений с помощью ИИ

Команда состояла из Asim Zaman, инженера-проекта Rutgers, и Xiang Liu, ассоциированного профессора транспортного инжиниринга в Школе инжиниринга Rutgers. Дуэт разработал каркас, оснащенный ИИ, который автоматически обнаруживает события нарушения железнодорожных переездов. Он также различает типы нарушителей и генерирует видеоклипы этих случаев. Система ИИ полагается на алгоритм обнаружения объектов для обработки видеоданных в единую базу данных.

«С этой информацией мы можем ответить на многочисленные вопросы, такие как в какое время суток люди чаще всего нарушают правила, и проходят ли они мимо ворот, когда они открываются или закрываются?» – сказал Zaman.

В Соединенных Штатах наблюдается постоянный рост количества нарушений на железнодорожных переездах в последние годы, и каждый год сотни людей погибают. Были предприняты многие попытки снизить количество смертельных случаев, но пока ничего не сработало.

Федеральное агентство железных дорог (FRA) оценило, что в 2008 году около 500 человек в год погибали, нарушая правила на железнодорожных путях. Это число увеличилось до 855 в 2018 году, согласно FRA.

Zaman и Liu определили в своем исследовании, что нарушители – это неуполномоченные люди или транспортные средства в области железной дороги или имущества, не предназначенной для публичного использования, или люди, которые входят в сигнализированный железнодорожный переезд после его активации.

Предыдущие исследования в этой области в основном включали данные, полученные из информации о жертвах, но не учитывали близкие случаи, которые, по мнению Zaman и Liu, могут предоставить ценные сведения о поведении нарушителей. Это может привести к разработке более эффективных мер контроля.

Исследователи проверили свою теорию с помощью видеозаписей, сделанных на переезде в городской зоне Нью-Джерси. Одна из проблем с видеосистемами на переездах заключается в том, что они не всегда просматриваются из-за того, что этот процесс трудоемок и дорог.

Обучение ИИ

Zaman и Liu обучили ИИ и инструмент глубокого обучения анализировать 1632 часа архивных видеозаписей с места исследования. После 68 дней наблюдения они обнаружили 3004 случая нарушения, что в среднем составило 44 случая в день. Они также обнаружили, что почти 70% нарушителей были мужчинами, и около трети нарушили правила до проезда поезда. Большинство нарушений произошло в субботу около 17:00.

По словам Zaman, этот тип детальной информации может быть использован местными властями для размещения полицейских возле переездов в часы пиковых нарушений или для информирования владельцев железных дорог и лиц, принимающих решения, о более эффективных решениях для переездов. Эти решения могут включать системы ликвидации железнодорожных переездов или продвинутые ворота и сигналы.

«Все любят данные, и это то, что мы предоставляем», – сказал Zaman.

«Мы хотим дать железнодорожной промышленности и лицам, принимающим решения, инструменты для использования потенциала видеонаблюдения через анализ данных в конкретных местах», – добавил Liu.

Исследователи также проводят исследования в Вирджинии и Северной Каролине. Они недавно получили грант в размере 583 000 долларов от Министерства транспорта США для расширения исследований в другие штаты, включая Коннектикут, Луизиану и Массачусетс.