AI a forgalomirányításban: Okosvárosok, okos rendszerek
Ahogy a városok világszerte folyamatosan növekednek, a vezetőknek okos, összekapcsolt városi tereket kell kiépíteniük, amelyek élhetőek és jól megközelíthetőek. A lisszaboni Instituto Superior Técnicóban végzett tanulmányaim óta lenyűgöz az AI-ban rejlő potenciál. Az amerikai földtani intézettel közösen dolgoztam a NASA által támogatott projekteken, melyeknek célja a Mars pontos feltérképezése. A Schréder Hyperionnál kollégáimmal közösen arra szeretnénk felhasználni az AI-t, hogy megtaláljuk a választ a városlakókat érintő egyik legfontosabb kérdésre: hogyan szüntethetjük meg a forgalmi dugókat?
A forgalom addig áramlik, amíg be nem dugul
Az okosvárosok számára az egyik legfőbb kihívást a forgalmi torlódások megszüntetése és a közlekedés fejlesztése jelenti. A forgalom megfelelő áramlása nemcsak a városi élet hatékonyságát és produktivitását befolyásolja, hanem az emberek környezetét, egészségét és biztonságát is. Emiatt az okosvárosok számára nagyon fontos, hogy nyomon kövessék és optimalizálják a forgalom áramlását innovatív megoldások segítségével, amelyek adatokra és korszerű technológiára támaszkodnak.
A Betekintés a gépi látással történő forgalomelemzésbe című új kiadványunkban azt vizsgáljuk, hogy miként segíthet az AI a városoknak a forgalom mérésében úgy, hogy közben megfelel az adatvédelmi elvárásoknak, nem igényel emberi beavatkozást (így időt és pénzt takarít meg), és hasznos, részletes adatokkal szolgál a városlakók úthasználati szokásairól. A forgalom áramlátásnak megértése kulcsfontosságú a közlekedés optimalizálásához, de a hagyományos mérési módszerek rendkívül munkaigényesek, nem szolgáltatnak részletes adatokat a járműtípusokról, és fontos részleteket hagyhatnak figyelmen kívül.
Az EU Horizon 2020 programjának portugál ága által támogatott projektünkben a közvilágítási infrastruktúrát használtuk fel a kulcsfontosságú csomópontok forgalmának mérésére szolgáló megoldás teszteléséhez. A közvilágítási berendezésekbe AI alapú eszközöket helyeztünk el. Ezek az eszközök két kamerával voltak felszerelve, amelyeket többféle módon alkalmaztunk. Három demonstrációs kísérleti projektet telepítettek Lisszabonban, Cascais, Loures és Oeiras településeken, kilenc kereszteződést lefedve; az eredmények azt mutatták, hogy az AI nagyon hasznos a forgalom nyomon követéséhez, és támogathatja a jövőbeli projekteket ezeken a helyeken.
Lisszabon főbb csomópontjaiban szenzorokat telepítettek a forgalom sűrűségének méréséhez
A szenzorok alkalmazása
Ebben a kilenc kereszteződésben kamerát, hangérzékelőt és radart telepítettünk az oszlopokba. A rendszer így képes volt érzékelni a gyalogosokat, az autókat, a kerékpárosokat, a teherautókat és az áthaladó forgalmat. A forgalmasabb csomópontokban a nap 24 órájában követtük nyomon az eseményeket ott, ahol nagy forgalomra és konfliktusokra lehet számítani, különösen csúcsidőben. A többi helyen éjszaka vizsgáltuk a lakóövezeteket, és a cél az volt, hogy azonosítsuk azokat az időszakokat, amikor nagyobb zajterhelésre lehet számítani.
Két hónapig gyűjtöttük az adatokat, és körülbelül 30 napnyi adat került begyűjtésre eszközönként. A pontos műszaki részletek megtalálhatók a kiadványunkban, de a legfontosabb, hogy az adatgyűjtés emberi munkavégzést nem igényelt – a munkát teljes egészében az AI végezte. Deep SORT algoritmust használtunk a látó modell által érzékelt objektumok nyomon követéséhez, amelyeket aztán megszámoltunk. A különböző kameraszögek segítségével az AI meg tudta különböztetni az autókat, buszokat, teherautókat, motorokat és kerékpárokat.
Az elején végeztünk egy rövid manuális tesztet, hogy megbizonyosodjunk arról, hogy a járműveket megfelelően ismeri fel a rendszer, és a későbbi használat során bebizonyosodott, hogy ez valóban így lett: az egyik esetben egy ponton túl a rendszer nem jelzet több járművet, majd hirtelen rengeteg gyalogost érzékelt. Gyors utánajárást követően kiderült, hogy az utat lezárták egy maratonfutás miatt.
Adatvédelem és „edge processing” technológia
Az okosvárosok infrastruktúrájával kapcsolatban az egyik leggyakrabban felmerülő probléma a megfelelő adatvédelem biztosítása a hasznos adatokkal szolgáló rendszerek kapcsán. A Schréder évekig dolgozott a megfelelő egyensúly kialakításán, és az egyik leghatékonyabb megoldásnak az úgynevezett „edge processing” bizonyult. Az adatok feldolgozása itt az adott hálózat határain belül történik – ahol a világítótest, oszlop vagy szenzor is található, így az adat ott marad, ahol arra szükség van, és nem szükséges minden információt elküldeni a felhőbe többszáz kilométer távolságra, majd vissza. A képek elküldése helyett a rendszer csak kevés szöveges adatot küld időbélyeggel ellátva a felhőbe, hogy tudassa, amikor egy adott típusú jármű elhalad. Nem küld képet vagy hangot, ez pedig a feldolgozáshoz szükséges időt is lerövidíti.
Tökéletesítettük az AI algoritmusokat, amelyek a lámpaoszlopokban található kicsi számítógépeken futnak; ezzel a projekttel a cél egy új paradigma megalkotása a lokalizálható, átjárható, biztonságos, megbízható, elosztott, autonóm és összekapcsolt városi infrastruktúrák kezeléséhez, amely az okosvárosok kialakítását lehetővé tevő technológiák és eszközök implementációjához biztosít olyan gerinchálózatot, amelyben úgy követhetjük nyomon a forgalom áramlását, hogy közben védve maradnak a városlakók személyes adatai.
AI alapú megfigyelés
Az első megfigyelések során beleláthattunk a forgalom alakulásába a nap különböző szakaszaiban, csúcsidőben, és az úthasználatról is érdekes részleteket tudtunk meg. Az egyik kereszteződésben például az észak felé tartó forgalom szokatlanul megugrott szombatonként. A mért érték a csúcsforgalomhoz volt hasonló, de kicsit később jelentkezett (a csúcsforgalom délelőtt 11-ig tart), és valószínűleg a körforgalomtól néhány méterre északra található bevásárlóközpontba tartó autókat jelezte.
Az ilyen betekintések segítségével a városok jobb döntéseket hozhatnak a forgalomirányítás területén. Például beállíthatják a forgalmi jelzőlámpákat úgy, hogy ebben az időszakban a vásárlók gyorsabban juthassanak el úticéljukhoz, a várostervezők pedig dönthetnek kerékpársávok kialakításáról, ha nagy kerékpáros forgalmat tapasztalnak. A pontosabb adatok jobb döntésekhez vezethetnek, és az AI megoldások részletesebb betekintést nyújtanak a forgalom alakulásába, hosszabb időn keresztül, mint az emberi megfigyelés.
A projekt bemutatja egy AI alapú edge computing eszköz sikeres implementációját a forgalom áramlásának méréséhez a legfontosabb csomópontoknál több szenzor használatával, amelyen keresztül megfigyelhető a csúcsidő forgalomra gyakorolt hatása, és értékes betekintés nyerhető a forgalmi mintázatokba. Ezen felül a megoldás értékes adatokat gyűjtött nappal és éjszaka egyaránt, bemutatva a megvalósíthatóságot. Ez a projekt komoly lépés volt egy új paradigma irányába, amely a holnap városainak infrastruktúráit határozza meg – ahol a forgalmi dugók remélhetőleg már csak a múlt emlékei lesznek.
További információkért töltse le kiadványunkat
A szerzőről
Lourenço már fiatal kora óta a tudomány szerelmese. Diplomája megszerzése után 14 évig tanulmányozta a Mars felszínét, valamint a sarkvidékeket és a száraz sivatagokat távoli érzékeléssel és kemény terepmunkával a Técnico falai között, ami Portugália legnagyobb műszaki és tudományos intézménye.
2019-ben az elsők közt csatlakozott a Schréder Hyperion-hoz, az okosvárosokat kutató központunkhoz. Azért csatlakozott a csapathoz, mert meggyőződése, hogy a technológia, különösen a mesterséges intelligencia segíthet megoldásokat találni a városokat érintő problémákra, és ezáltal jobb életkörülmények teremthetők. Jelenleg mesterséges intelligenciával működő alkalmazások fejlesztésével foglalkozik, amelyeknek a közlekedés és az infrastruktúra fejlesztésében van szerepük.
Vegye fel a kapcsolatot Lourençóval a LinkedIn-en.