این هوش مصنوعی حوادث ترافیکی را قبل از وقوع پیش‌بینی می‌کند!
وبگاه تِک‌اِکسپلور در گزارشی آورده است:
هزاران دوربین ترافیکی در نیویورک روزانه حجم عظیمی فیلم ضبط می‌کنند، اما تحلیل این محتوای تصویری برای شناسایی مشکلات ایمنی، به منابعی نیاز دارد که در اختیار بیشتر نهادهای حمل‌ونقل نیست.
اکنون پژوهشگران دانشکده مهندسی تاندون دانشگاه نیویورک، سامانه‌ای مبتنی‌بر هوش مصنوعی ابداع کرده‌اند که می‌تواند به‌طور خودکار تصادف‌ها و موقعیت‌های نزدیک به تصادف را در فیلم‌های موجود شناسایی کند. این فناوری با تلفیق استدلال زبانی و هوش بصری، می‌تواند بدون نیاز به سرمایه‌گذاری کلان، شیوه مدیریت ایمنی معابر در شهرها را متحول کند.
این پژوهش که در مجله تجزیه‌وتحلیل و پیشگیری از حوادث/ Accident Analysis & Prevention منتشر شده، برنده جایزه پژوهشی ویژن زیرو (Vision Zero) نیویورک شده است. پروفسور کان اوزبای (Kaan Ozbay)، نویسنده ارشد این مقاله، یافته‌ها را در هشتمین سمپوزیوم سالانه پژوهش در جاده (Research on the Road) ارائه کرده است.
قابلیت‌های سامانه
سامانه سی آنسِیف (SeeUnsafe) با شناسایی خودکار محل و زمان برخوردها و موقعیت‌های نزدیک به تصادف، به نهادهای حمل‌ونقل کمک می‌کند نقاط حادثه‌خیز را پیش از وقوع حوادث جدی شناسایی کنند. این سامانه از مدل‌های هوش مصنوعی ازپیش‌آموخته‌ای بهره می‌برد که توان درک هم‌زمان تصاویر و متن را دارند.
اوزبای می‌گوید: بررسی دستی فیلم‌های هزاران دوربین شهری غیرممکن است. سی‌آنسِیف به مسئولان امکان می‌دهد از این سرمایه‌گذاری نهایت استفاده را ببرند.
عملکرد و اقدامات پیشگیرانه
آزمایش این سامانه با مجموعه داده‌های تویوتا نشان داد که سی‌آنسِیف با دقت ۷۶.۷۱ درصد می‌تواند ویدیوها را به‌درستی دسته‌بندی کند. این سامانه همچنین می‌تواند طرف‌های درگیر در رویدادهای بحرانی (رانندگان، عابران پیاده و دوچرخه‌سواران) را با نرخ موفقیت ۸۷.۵ درصدی شناسایی کند.
امروزه مداخلات ایمنی معمولاً پس از وقوع حوادث انجام می‌شوند، اما با تحلیل الگوهای موقعیت‌های نزدیک به تصادف، مانند خودروهایی که با فاصله کم از عابران می‌گذرند یا در تقاطع‌ها حرکات پرخطر انجام می‌دهند، می‌توان نقاط خطر را به‌طور پیشگیرانه شناسایی و با نصب علائم هشداردهنده، بهینه‌سازی چراغ‌های راهنما و بازطراحی معابر، از وقوع فجایع جلوگیری کرد.
کاربردهای آینده
این سامانه گزارش‌های ایمنی را به زبان طبیعی تولید می‌کند و عواملی مانند شرایط جَوی، حجم ترافیک و حرکات منجر به حادثه را توصیف می‌نماید.
سی‌آنسِیف محدودیت‌هایی دارد (از جمله حساسیت به دقت ردیابی اجسام و عملکرد کمتر در نور کم) اما پایه‌ای برای درک خودکار ایمنی معابر از طریق تحلیل فیلم‌های ترافیکی فراهم می‌کند. به گفته پژوهشگران، این فناوری در آینده قابل توسعه برای استفاده از دوربین‌های خودروها و ارزیابی بلادرنگ خطر از دید راننده خواهد بود.
این پژوهش به مجموعه فعالیت‌های مرکز سی‌تواِسمارت (C۲SMART) دانشکده مهندسی تاندون در راستای بهبود سامانه‌های حمل‌ونقل نیویورک می‌افزاید. از دیگر طرح‌های اخیر این مرکز می‌توان به این موارد اشاره کرد: مطالعه اثر کامیون‌های سنگین برقی بر فرسودگی معابر، تحلیل تأثیر دوربین‌های سرعت بر رفتار رانندگان، توسعه دوقلوی دیجیتال برای بهینه‌سازی مسیرهای امداد آتش‌نشانی، و پایش بزرگراه بروکلین‌کویینز برای شناسایی خودروهای دارای اضافه‌بار.
