Các Kỹ Sư Tạo Công Cụ Phát Hiện Xâm Phạm Đường Sắt Bằng Trí Tuệ Nhân Tạo

Một nhóm các kỹ sư tại Rutgers đã phát triển một công cụ được trang bị trí tuệ nhân tạo có thể phát hiện xâm phạm tại các điểm giao cắt đường sắt, giúp giảm số lượng thương vong ngày càng tăng trong thập kỷ qua. 

Nghiên cứu mới được công bố trên tạp chí Phân Tích & Phòng Ngừa Tai Nạn. 

Phát Hiện Xâm Phạm Tự Động Bằng Trí Tuệ Nhân Tạo

Đội ngũ bao gồm Asim Zaman, một kỹ sư dự án tại Rutgers, và Xiang Liu, giáo sư phụ tá về kỹ thuật giao thông tại Trường Kỹ Thuật Rutgers. Cặp đôi này đã phát triển một khuôn khổ được hỗ trợ bởi trí tuệ nhân tạo có thể phát hiện tự động các sự kiện xâm phạm đường sắt. Nó cũng phân biệt các loại kẻ xâm phạm và tạo ra các đoạn video về các sự kiện. Hệ thống trí tuệ nhân tạo dựa trên thuật toán phát hiện đối tượng để xử lý dữ liệu video thành một tập dữ liệu duy nhất. 

“Với thông tin này, chúng ta có thể trả lời nhiều câu hỏi, như vào thời điểm nào trong ngày người ta xâm phạm nhiều nhất, và liệu người ta có đi vòng quanh các cổng khi chúng đang đóng hoặc mở không?” said Zaman.

Đã có một sự gia tăng liên tục về các tai nạn xâm phạm tại Hoa Kỳ trong những năm gần đây, với hàng trăm người thiệt mạng mỗi năm. Đã có nhiều nỗ lực để giảm thiểu những thương vong này, nhưng chưa có gì hiệu quả. 

Cơ quan Đường Sắt Liên Bang (FRA) đã ước tính vào năm 2008 rằng khoảng 500 người bị giết mỗi năm do xâm phạm đường sắt. Con số này đã tăng lên 855 vào năm 2018, theo FRA. 

Zaman và Liu đã định nghĩa trong nghiên cứu của họ rằng những kẻ xâm phạm là những người hoặc phương tiện không được ủy quyền trong khu vực thuộc về đường sắt hoặc tài sản giao thông không được dành cho sử dụng công cộng, hoặc những người đi vào một điểm giao cắt có tín hiệu sau khi nó đã được kích hoạt. 

Nghiên cứu trước đây trong lĩnh vực này chủ yếu liên quan đến dữ liệu được rút ra từ thông tin về thương vong, nhưng nó không tính đến các sự kiện gần như tai nạn, mà Zaman và Liu cho rằng có thể cung cấp thông tin quý giá về hành vi xâm phạm. Điều này có thể dẫn đến việc thiết kế các biện pháp kiểm soát hiệu quả hơn. 

Các nhà nghiên cứu đã thử nghiệm lý thuyết của họ với đoạn video được quay tại một điểm giao cắt ở New Jersey thành thị. Một trong những vấn đề với hệ thống video tại các điểm giao cắt là chúng không được xem xét một cách nhất quán do quá trình này tốn nhiều lao động và tốn kém. 

Đào Tạo Trí Tuệ Nhân Tạo

Zaman và Liu đã đào tạo trí tuệ nhân tạo và công cụ học sâu để phân tích 1.632 giờ đoạn video lưu trữ từ địa điểm nghiên cứu. Sau 68 ngày theo dõi, họ đã tìm thấy 3.004 trường hợp xâm phạm, trung bình 44 trường hợp mỗi ngày. Họ cũng phát hiện ra rằng gần 70% những kẻ xâm phạm là nam giới, và khoảng một-third xâm phạm trước khi tàu hỏa qua. Hầu hết các vi phạm xảy ra vào thứ Bảy vào khoảng 5 giờ chiều. 

Theo Zaman, loại dữ liệu chi tiết này có thể được sử dụng bởi các cơ quan địa phương để đặt cảnh sát gần điểm giao cắt trong thời gian cao điểm vi phạm, hoặc nó có thể giúp thông báo cho chủ sở hữu đường sắt và những người ra quyết định về các giải pháp giao cắt hiệu quả hơn. Các giải pháp này có thể bao gồm hệ thống loại bỏ giao cắt hoặc cổng và tín hiệu tiên tiến. 

 “Mọi người đều yêu thích dữ liệu, và đó là những gì chúng tôi đang cung cấp,” said Zaman.

“Chúng tôi muốn cung cấp cho ngành đường sắt và những người ra quyết định các công cụ để khai thác tiềm năng chưa được khai thác của cơ sở hạ tầng giám sát video thông qua phân tích rủi ro của các luồng dữ liệu tại các vị trí cụ thể,” Liu thêm. 

Các nhà nghiên cứu cũng đang tiến hành các nghiên cứu tại Virginia và North Carolina. Họ gần đây đã được trao một khoản tài trợ 583.000 đô la từ Bộ Giao Thông Vận Tải Hoa Kỳ để mở rộng sang các bang khác bao gồm Connecticut, Louisiana và Massachusetts.