Mühendisler Demiryolu Tehlikeli Geçiş Tespit Aracı Oluşturdu

Rutgers’taki mühendisler ekibi, demiryolu geçişlerinde tehlike oluşturan olayları tespit edebilen bir araç geliştirdi ve bu araç, son on yılda meydana gelen ölümlerin sayısını azaltmaya yardımcı oluyor.

Yeni araştırma Accident Analysis & Prevention dergisinde yayımlandı.

AI ile Otomatik Tehlike Tespiti

Ekibin üyeleri arasında Rutgers proje mühendisi Asim Zaman ve Rutgers Mühendislik Fakültesi’nde ulaşım mühendisliği alanında yardımcı doçent Xiang Liu bulunuyordu. İkili, demiryolu tehlike olaylarını otomatik olarak tespit eden bir AI destekli çerçeve geliştirdi. Ayrıca ihlal türlerini ayırt ediyor ve olayların video kliplerini oluşturuyor. AI 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 oluşturuyor ve insanlar geçiş kapıları açılırken mi yoksa kapanırken mi geçiş yapıyor?” dedi Zaman.

Son birkaç yıldır ABD’de demiryolu geçişlerinde tehlike oluşturan olaylar sürekli artıyor ve her yıl yüzlerce insan hayatını kaybediyor. Bu tür olayları azaltmaya yönelik birçok çaba sarf edildi, ancak henüz hiçbir sonuç alınamadı.

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

Zaman ve Liu, araştırmalarında, demiryolu veya toplu taşıma mülkiyetinde halkın kullanımına açık olmayan bir alanda bulunan yetkisiz kişiler veya araçlar ya da sinyalleştirilmiş bir demiryolu geçidine aktive edildikten sonra giren kişilerin tehlike oluşturduğunu belirttiler.

Bu alanda yapılan önceki araştırmalar genellikle yalnızca kazayla ilgili verilere dayandı, ancak yakın kaçırma olaylarını dikkate almadı. Zaman ve Liu’ya göre, bu, tehlike oluşturan davranışlar hakkında değerli bilgiler sağlayabilir ve daha etkili kontrol önlemlerinin tasarlanmasına yol açabilir.

Araştırmacılar, New Jersey’deki bir demiryolu geçidine ait video kayıtlarıyla teorilerini test ettiler. Demiryolu geçitlerinde bulunan video sistemlerinin bir sorunudur, bu sistemler laboratuvar yoğun ve pahalı bir işlem olduğundan tutarlı bir şekilde gözden geçirilmez.

AI’ı Eğitme

Zaman ve Liu, AI ve derin öğrenme aracını, çalışmanın yapıldığı bölgeden alınan 1.632 saatlik arşiv video kayıtlarını analiz etmek için eğitti. 68 gün süren izleme之后, 3.004 tehlike oluşturan olay tespit ettiler ve bu, günde ortalama 44 olaya karşılık geliyor. Ayrıca, neredeyse %70’inin erkek olduğunu ve yaklaşık üçte birinin tren geçmeden önce tehlike oluşturduğunu keşfettiler. Çoğu ihlal Cumartesi günleri saat 17.00’de gerçekleşti.

Zaman’a göre, bu tür ayrıntılı veriler, yerel yetkililerin demiryolu geçitlerinde en çok tehlike oluşturan saatlerde polis memurlarını görevlendirmeleri veya demiryolu sahiplerine ve karar vericilere daha etkili geçiş çözümleri hakkında bilgi vermesi için kullanılabilir. Bu tür çözümler, demiryolu geçişini ortadan kaldırma sistemleri veya gelişmiş kapılar ve sinyalleri içerebilir.

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

“Demiryolu endüstrisi ve karar vericilere, belirli yerlerdeki veri akışlarının risk analizini yaparak video gözetim altyapısının kullanılmayan potansiyelini kullanmaları için araçlar sağlamak istiyoruz” diye ekledi Liu.

Araştırmacılar, Virginia ve Kuzey Carolina’da da çalışmalar yapıyorlar. ABD Ulaştırma Bakanlığı’ndan Connecticut, Louisiana ve Massachusetts dahil olmak üzere diğer eyaletlere genişletmek için 583.000 dolarlık bir hibe aldılar.