Transport pentru încercări NSW învățarea automată a detectării punctelor negre de blocare – Cloud – Software


Transport for NSW a construit o dovadă a conceptului utilizând tehnologia de învățare automată de la Microsoft pentru a identifica intersecțiile de trafic potențial periculoase și lucrările de remediere rapidă.

Dovada de concept a „intersecțiilor periculoase”, care a avut loc anul trecut, a analizat datele telematice colectate de la 50 de vehicule care circulau pe drumurile Wollongong pe o perioadă de 10 luni.

Datele – trimise de la vehicule cu o viteză de 25 de înregistrări pe secundă – au fost folosite pentru a identifica cinci puncte negre necunoscute anterior, cele două cu cel mai mare risc acum urmând să fie actualizate la sfârșitul acestui an financiar.

Conducerea programului de descoperire a datelor de la TfNSW, Julianna Bodzan, a venit cu ideea în timp ce conducea coborârea Muntelui Ousley pe autostrada Princes – o notorie porțiune de drum de patru kilometri și jumătate care duce în nordul Wollongong.

Ea a spus că datele telematice colectate de la vehicule au fost comparate cu datele privind accidentele de la punctele negre cunoscute pentru a discerne dacă alte intersecții din orașul de coastă erau sau nu potențial riscante.

„Ne-am uitat la intersecțiile cunoscute sub numele de intersecții periculoase – sens periculos, un fel de accident fatal sau grav sau alt incident [had] s-a întâmplat ”, a spus Bodzan.

„Apoi am început să examinăm cum se comportă masele de oameni în jurul acelor intersecții.

„Dacă există exact aceleași tipare la o altă intersecție în care nu s-a întâmplat încă nimic, putem spune că s-ar putea întâmpla și aici, deoarece oamenii acționează în mod erratic”.

Bodzan a remarcat că comportamentul neregulat se referea la orice „frânare dură sau accelerație dură sau orice mișcare laterală chiar înainte de intersecție”.

Un „cerc de interes” a fost apoi folosit pentru a înțelege comportamentul unui vehicul în timp ce trecea prin intersecție, precum și cu 50 de metri și 25 de metri înainte și după acesta.

Bodzan a spus că o combinație de servicii native de învățare automată Azure și Databricks a fost folosită pentru a „ingera datele și a lua totul în cloud”.

Dar, după cum a explicat Oliver Storey, specialistul în business intelligence TfNSW, „provocarea majoră a fost ingineria datelor”, deoarece datele din sistemele de telemetrie s-au ridicat la peste un miliard de rânduri.

„Dacă oferiți unui algoritm câștigător de date date teribile, veți obține rezultate teribile”, a spus el.

„Deci, aș spune, 70% din timpul nostru a fost de fapt petrecut proiectând datele noastre, ajungând într-o poziție în care am avut acea singură călătorie printr-o intersecție care avea toate valorile noastre pentru vehiculul real.”

În urma PoC, Bodzan și echipa ei au predat primele cinci intersecții care nu erau clasificate anterior ca fiind periculoase către Centrul pentru Siguranță Rutieră, care a trimis ingineri rutieri să facă o evaluare.

„De fapt, s-au întors cu validarea:„ S-ar putea să aveți dreptate în acest sens. ”Evident, nu putem spune că se va întâmpla – dar întregul scop al acestui studiu este să analizăm care ar putea fii periculos, împiedicând să se întâmple ceva ”, a spus ea.

TfNSW analizează acum cum ar putea include date din alte moduri de transport pentru a îmbunătăți în continuare siguranța în sistemul de transport, deși există în prezent limitări privind tipurile de date care pot fi utilizate.

Guvernul NSW lucrează în prezent prin probleme de confidențialitate, transparență și securitate în jurul inteligenței artificiale după eliberarea statului strategie inaugurală AI în septembrie.

„Transportul nu este doar drumuri. Ne uităm la liniile de cale ferată, ne gândim la pietoni și la zonele școlare – și ne gândim la modul în care putem folosi acest tip de date și îmbogățirea cu alte [modes] pentru a îmbunătăți practic siguranța rețelei ", a spus Bodzan.

Storey a adăugat că „vehiculele aproape de rată” sau „zonele fierbinți din jurul orașului, unde oamenii sunt aproape afectați de vehicule”, sunt viitorii candidați principali.

TfNSW folosește, de asemenea, tehnologia de învățare automată pentru a prezice întârzieri în rețeaua de transport public și, mai recent, automat detectează incidente suspecte și violente pe filme CCTV de la trenurile din Sydney.

Directorul tehnologic Microsoft Australia, Lee Hickin, a declarat că lucrările în desfășurare la TfNSW au potențialul de a face drumurile statului mai sigure.

„Sute de vieți se pierd pe drumurile NSW în fiecare an și mii sunt grav răniți – utilizarea datelor și AI pentru identificarea potențialelor puncte negre permite intervenția timpurie”, a spus el.

El a adăugat că dezvoltarea expertizei interne la TfNSW, combinată cu soluțiile Microsof, va oferi o capacitate „esențială pentru o transformare digitală de succes și un impact durabil”.



Source link

Lasă un răspuns