„Intelligence Corridor” to wdrożenie na małą skalę pierwszego na świecie systemu optymalizacji ruchu wspomaganego przez sztuczną inteligencję, który może ostatecznie skalować się, aby zarządzać ruchem w całym mieście.
Współczesne miasta w każdej sekundzie każdego dnia wytwarzają absolutną lawinę danych z kamer i czujników należących do dziesiątek odrębnych systemów. To zdumiewające, że w tak inteligentnym świecie tak wiele świateł ulicznych nadal jest tak głupich. Nowy projekt rozpoczynający się w Melbourne w Australii ma na celu wykorzystanie tej lawiny danych za pomocą uczenia maszynowego AI i modelowania predykcyjnego oraz wykorzystanie ich do skrócenia czasu podróży, zmniejszenia emisji i wpływania na zachowania na różne inne sposoby w ramach „najmądrzejszego na świecie systemu zarządzania ruchem”.
„Inteligentny korytarz” (ory. „Intelligence Corridor”) to trzyletni pilotaż, który zostanie przeprowadzony na 2,5-kilometrowym odcinku Nicholson Street w Carlton – jednej z najbardziej ruchliwych dróg w Melbourne. Uniwersytet w Melbourne nawiązał współpracę przy projekcie między innymi z austriackim Kapsch TrafficCom i wiktoriańskim Departamentem Transportu.
System został uruchomiony w tym tygodniu. Pobiera bieżące i historyczne dane z ogromnej i zróżnicowanej sieci czujników, w tym z kamer CCTV, czujników Bluetooth, monitorów jakości powietrza, informacji o transporcie publicznym na żywo, danych o ruchu drogowym TomTom na żywo, danych o pogodzie, ruchu na żywo z sygnalizacji świetlnych i danych fazowych, danych logicznych skrzyżowania i innych.
Niektóre z tych źródeł danych są już dostępne w całym mieście, inne zostały wstępnie zainstalowane w szerszym obszarze Carlton w ramach oddzielnego projektu AIMES (Australian Integrated Multimodal EcoSystem), który sam w sobie jest opisywany jako „pierwszy i największy na świecie ekosystem do testowania powstającego technologicznego połączonego transportu na dużą skalę w złożonych środowiskach miejskich”.
Wykorzystanie aktualnych i historycznych danych w czasie rzeczywistym
Zespół projektowy twierdzi, że po raz pierwszy tak szeroki zakres aktualnych i historycznych danych został zebrany w projekcie zarządzania ruchem, który ma być analizowany w czasie rzeczywistym przez sztuczną inteligencję i algorytmy głębokiego uczenia. A spostrzeżenia, jakie przynosi ten system – EcoTrafiX, będą wykorzystywane do różnych celów.
Po pierwsze, i być może najbardziej bezpośrednie dla społeczeństwa, będzie w stanie kontrolować sygnalizację świetlną na każdym skrzyżowaniu, aby zapewnić optymalny przepływ ruchu. Podczas startu projektu David Bolt z Kapsch podał przykład:
Otrzymujemy strumień wideo z jednej z setek i tysięcy kamer w sieci, używamy naszej wszechstronnej platformy głębokiego uczenia się, aby go analizować i opisywać – następnie tworzymy wnioski. Patrzymy na wykrywanie długości kolejki, na przykład na poziomie pasa. To wpływa na fazę sygnału i synchronizację. Mogę zacząć dynamicznie dostosowywać i optymalizować to skrzyżowanie, a następnie inne skrzyżowania w dół korytarza.
Właściwa logika dynamicznej sygnalizacji świetlnej nie tylko zmniejszy frustrację osób dojeżdżających do pracy samochodem – każdy postój i start ma swoje własne piętno na miastow postaci hałasu i emisji, szczególnie w przypadku ciężkich samochodów ciężarowych.
Ale sprawy wykraczają daleko poza to. System ma wiele sposobów komunikacji zwrotnej z użytkownikami dróg i transportu publicznego, aby wpływać na przepływ ruchu w odpowiedzi na incydent lub po prostu jako środek równoważenia obciążenia i optymalizacji. Jeśli wypadek uniemożliwi tramwajom przejazd przez określone skrzyżowanie, system może dopasować każdy nadjeżdżający tramwaj, na który prawdopodobnie wpłynie, za pomocą zaleceń, które dostarczą pasażerów tam, gdzie zmierzają, poprzez zmianę tramwaju lub przekazując tę wiadomość do motorniczego.
Automatyczne zarządzanie incydentami
Istnieje również pewien zakres bezpieczeństwa – system może monitorować strefy przejść dla pieszych i przekazywać informacje zwrotne kierowcom za pośrednictwem komunikacji między infrastrukturą a pojazdem do podłączonych samochodów. Jednym z przykładów było szczególne skrzyżowanie, na którym kierowcy skręcający w ciasny zakręt nie widzą ludzi przechodzących przez jezdnię, dopóki nie są blisko nich – ostrzeżenia w czasie rzeczywistym będą teraz wysyłane do niektórych podłączonych samochodów marki Lexus, jeśli system stwierdzi, że kierowcy mogą zetknąć się z taką sytuacją.
Zarządzanie incydentami będzie dużą częścią systemu, który będzie wyświetlał ostrzeżenia operatorowi, gdy wykryje coś dziwnego lub przewiduje pojawienie się problemu. Operatorzy będą mogli wybierać z listy automatycznie generowanych działań w odpowiedzi na sytuację lub zagłębić się bezpośrednio w strumienie danych, aż do poziomu oglądania materiału z kamery na żywo, aby dowiedzieć się, co się dzieje.
Będą również mogli przywołać podobne zdarzenia z historii danego obszaru, w tym jakie działania zostały podjęte w przeszłości i jakie były skutki przepływu – a system jest zaprojektowany tak, aby umożliwić jak najwięcej lub jak najmniej ludzi do nadzoru i ingerencji.
Są to rzeczy, które system może zrobić dzisiaj, już po uruchomieniu. Jednak w ciągu najbliższych trzech lat zespół spodziewa się przetestować różne pomysły, od spraw takich jak upewnienie się, że połączone pojazdy ratunkowe będą miały zawsze zielone światła, po inteligentne kierowanie ruchem w strefach szkolnych w godzinach odbioru/wyjazdu.
Jesteśmy w stanie komunikować się ze sterownikami za pośrednictwem interfejsów API i wtyczek, które przykręciliśmy do platformy — powiedział Bolt. Zmiana nawyków związanych z prowadzeniem samochodu to wyzwanie socjotechniczne… Chodzi o przygotowanie infrastruktury do tego, co jest potrzebne w przyszłości. Jak wysyłać informacje do połączonych pojazdów? W jaki sposób te informacje są wysyłane do niepołączonych pojazdów? Jak przygotowujemy się do pojazdów autonomicznych?
Skalowalny system dla miast
Projekt w naturalny sposób będzie rejestrował wszystkie dane, aby mierzyć i śledzić skuteczność systemu. Kapsch twierdzi, że system jest zaprojektowany tak, aby był skalowalny, czyli aby mógł być wykorzystywany dla małych pojedynczych skrzyżowań i krótkich wdrożeń korytarzowych, takich jak ten testowy, aż do ogromnych wdrożeń obejmujących całe miasta, ponieważ jest niezależny od lokalizacji i może pracować z dowolnymi dostępnymi danymi.
To z pewnością wydaje się doskonałym i bardzo potrzebnym wykorzystaniem sztucznej inteligencji i zaawansowanej analityki. Optymalizacja ruchu w całym mieście to problem z dużą ilością danych, z niezwykłą liczbą danych wejściowych, zależności i wyników do śledzenia. Istnieje ogromna szansa, aby zrobić to lepiej. Jest wiele zalet tego rozwiązania, a jeśli sztuczna inteligencja i informatyka podołają zadaniu, może to być przełom w zarządzaniu ruchem w miastach.
Możesz obejrzeć całe wydarzenie inauguracyjne Intelligent Corridor z 23 marca 2022 roku na poniższym filmie:
➔ Obserwuj nas w Google News, aby być na bieżąco!
źródło: Źródło: Uniwersytet w Melbourne | Kapsch | New Atlas
Od 2005 roku zajmuję się komunikacją internetową i e-marketingiem, jestem pasjonatem urządzeń mobilnych oraz nowych technologii – i nie waham się ich używać.