Mühendisler Demiryolu Tehlikeli Geçiş Algılama Aracı Oluşturdu

Rutgers’taki bir mühendislik ekibi, demiryolu geçişlerinde tehlike oluşturan geçişleri tespit edebilen bir yapay zeka destekli aracı geliştirdi. Bu, son on yılda meydana gelen ölümlerin sayısını azaltmaya yardımcı olacak.

Yeni araştırma Accident Analysis & Prevention dergisinde yayımlandı.

Yapay Zeka ile Otomatik Tehlike Algılama

Ekibin üyeleri arasında Rutgers proje mühendisi Asim Zaman ve Rutgers Mühendislik Okulu’nda ulaşım mühendisliği alanında yardımcı doçent olan Xiang Liu bulunuyordu. İkili, demiryolu tehlike geçişlerini otomatik olarak tespit eden bir yapay zeka destekli çerçeve geliştirdi. Ayrıca, ihlal türlerini ayırt ediyor ve olayların video kliplerini oluşturuyor. Yapay zeka sistemi, video verilerini tek bir veri kümesine işlemek için nesne algılama algoritmasına güveniyor.

“Bu bilgilerle birçok soruyu cevaplayabiliriz, örneğin insanlar en çok hangi saatlerde demiryolu geçişlerinde tehlike oluşturur ve insanlar kapılar aşağı inerken veya yukarı çıkarken geçişlerde bulunurlar mı?” dedi Zaman.

Son birkaç yıldır ABD’de demiryolu geçişlerinde meydana gelen kazalar sürekli olarak artmaktadır. Her yıl yüzlerce insan bu kazalarda yaşamını kaybetmiştir. Bu ölümleri azaltmaya yönelik birçok çaba sarf edilmiştir ancak şimdiye kadar hiçbir sonuç elde edilememiştir.

Demiryolu İdaresi (FRA), 2008 yılında demiryolu geçişlerinde yılda yaklaşık 500 kişinin öldüğünü tahmin etti. Bu sayı 2018’de 855’e yükseldi.

Zaman ve Liu, araştırmalarında, demiryolu veya toplu taşıma mülkiyetinin kamu kullanımına açık olmayan alanlarda veya sinyalize edilmiş geçitlerde sinyal aktif olduktan sonra giren kişiler veya araçlar olarak tanımlanan ihlalcilerin tanımlarını yaptı.

Bu alanda önceki araştırmalar genellikle yalnızca kazalarla ilgili verilerle sınırlı kaldı ve neredeyse kaçınılmaz olayları dikkate almadı. Zaman ve Liu, bu olayların tehlike oluşturan geçiş davranışları hakkında değerli bilgiler sağlayabileceğini ve daha etkili kontrol önlemlerinin tasarlanmasına yol açabileceğini belirttiler.

Araştırmacılar, New Jersey’deki bir geçitte kaydedilen video görüntüleri ile teorilerini test etti. Geçitlerdeki video sistemlerinin bir sorunu, bu sistemlerin tutarlı bir şekilde gözden geçirilmemesidir çünkü bu işlem emek yoğun ve pahalıdır.

Yapay Zekanın Eğitimi

Zaman ve Liu, yapay zeka ve derin öğrenme aracını, çalışmanın yapıldığı yerde kaydedilen 1.632 saatlik arşiv video görüntülerini analiz etmek için eğitti. 68 gün süren izleme sonucunda, günde ortalama 44 ihlal dahil olmak üzere 3.004 ihlal olayı tespit ettiler. Ayrıca, ihlalcilerin yaklaşık %70’inin erkek olduğunu ve yaklaşık üçte birinin tren geçtikten sonra ihlal yaptığını keşfettiler. Çoğu ihlal Cumartesi günleri saat 17.00 sıralarında gerçekleşti.

Zaman’a göre, bu tür ayrıntılı veriler, yerel yetkililerin ihlallerin zirve olduğu saatlerde geçitlerde polis memurları görevlendirmesine veya demiryolu sahipleri ve karar vericilere daha etkili geçit çözümleri hakkında bilgi vermesine yardımcı olabilir. Bu çözümler, geçit kaldırma sistemleri veya gelişmiş kapılar ve sinyalleri içerebilir.

“Herkes veri sever ve biz de bunu sağlıyoruz” dedi Zaman.

“Demiryolu endüstrisi ve karar vericilere, belirli yerlerdeki veri akışlarının risk analizini gerçekleştirmeleri için araçlar sağlamak istiyoruz” diye ekledi Liu.

Araştırmacılar ayrıca Virginia ve Kuzey Carolina’da çalışmalar yürütmekteler. Diğer eyaletlere, Connecticut, Louisiana ve Massachusetts’i de içerecek şekilde genişlemeleri için U.S. Ulaştırma Bakanlığı’ndan 583.000 dolarlık bir hibe aldılar.