Інженери створили інструмент для виявлення порушень на залізничних переїздах за допомогою штучного інтелекту

Команда інженерів з Рутгерського університету розробила інструмент, що використовує штучний інтелект для виявлення порушень на залізничних переїздах, що допоможе зменшити кількість смертей, яка зростала протягом останніх десяти років.

Нові дослідження були опубліковані в журналі Accident Analysis & Prevention.

Автоматичне виявлення порушень за допомогою штучного інтелекту

Команда складалася з Асіма Замана, інженера проєкту Рутгерського університету, та Сяня Лю, доцента транспортної інженерії в школі інженерії Рутгерського університету. Обидва дослідники розробили програмний підхід, що використовує штучний інтелект для автоматичного виявлення порушень на залізничних переїздах. Він також розрізняє типи порушників та генерує відеокліпи цих випадків. Система штучного інтелекту використовує алгоритм виявлення об’єктів для обробки відеоданих у єдиний набір даних.

“За допомогою цієї інформації ми можемо відповісти на багато питань, наприклад, який час доби люди найчастіше порушують правила, та чи люди обходять шлагбауми, коли вони опускаються чи піднімаються?” сказав Заман.

У Сполучених Штатах спостерігається постійне зростання кількості аварій через несанкціонований доступ на залізничних переїздах протягом останніх кількох років, при цьому щороку гине сотні людей. Було багато спроб зменшити кількість загиблих, але нічого ще не працює.

Федеральне управління залізниць (FRA) оцінило, що у 2008 році близько 500 людей щороку гинули під час порушення правил на залізничних переїздах. Ця кількість зросла до 855 у 2018 році, згідно з даними FRA.

Заман та Лю визначили у своєму дослідженні, що порушники – це особи без дозволу на перебування або транспортні засоби на території залізниці або транспортної власності, не призначеної для публічного використання, або особи, які входять на сигналізований залізничний переїзд після його активації.

Попередні дослідження в цій галузі в основному були засновані на даних про загиблих і постраждалих, але не враховували випадки, коли зіткнення ледь вдалося уникнути, які, на думку Замана та Лю, можуть надати цінну інформацію про поведінку порушників. Це може привести до розробки більш ефективних заходів контролю.

Дослідники випробували свою теорію за допомогою відеозаписів, зроблених на залізничному переїзді в міському Нью-Джерсі. Однією з проблем відеосистем на переїздах є те, що вони не завжди переглядаються через те, що процес є трудомістким і дорогим.

Навчання штучного інтелекту

Заман та Лю навчали штучний інтелект та інструмент глибокого навчання для аналізу 1632 годин архівних відеозаписів з місця дослідження. Після 68 днів моніторингу вони виявили 3004 випадки порушення правил, що в середньому становило 44 випадки на добу. Вони також виявили, що майже 70 відсотків порушників були чоловіками, а близько третини порушників робили це до проходження поїзда. Більшість порушень відбувалися у суботу о 17:00.

Згідно з Заманом, такий детальний аналіз даних може бути використаний місцевими органами влади для розміщення поліцейських біля залізничних переїздів під час пікових порушень, або це може допомогти інформувати власників залізниць та осіб, які приймають рішення, про більш ефективні рішення для залізничних переїздів. Такі рішення можуть включати системи ліквідації залізничних переїздів або вдосконалені шлагбауми та сигнали.

“Кожен любить дані, і саме це ми й надаємо”, сказав Заман.

“Ми хочемо надати залізничній промисловості та особам, які приймають рішення, інструменти для використання нерозкритого потенціалу інфраструктури відеоспостереження через аналіз ризиків їхніх даних у конкретних місцях”, додав Лю.

Дослідники також проводять дослідження у Вірджинії та Північній Кароліні. Нещодавно їм було надано грант у розмірі 583 000 доларів США від Міністерства транспорту США для розширення досліджень до інших штатів, включаючи Коннектикут, Луїзіану та Массачусетс.