< p class = "meta"> Af Aimee Chanthadavong | 8. september 2021 – 03:13 GMT (04:13 BST) | Emne: Innovation
Transport til NSW (TfNSW) bruger AI til at udvikle forudsigelsesalgoritmer til at hjælpe nationale, statslige og lokale regeringer med at styre deres trafiksikkerhedsydelse.
Den nationale trafiksikkerhedshandlingsplan 2018-2020 opstiller mål, der kræver 90% af rejser på nationale motorveje og 80% på statslige motorveje for at opfylde en tre-stjernet eller bedre sikkerhedsstandard. Hidtil har vurderingen af vejens standarder været afhængig af indsamling af videoundersøgelsesoptagelser og manuelle optagelsesmetoder.
TfNSW er nu gået sammen med iMove Cooperative Research Center (CRC), University of Technology Sydney, International Road Assessment Program (iRAP) og geospatial datafirma Anditi, til at udvikle en hurtigere og mere automatiseret metode til at udtrække rådata.
Som en del af initiativet, kaldet det accelererede og intelligente vejvurderingsprogram dataindsamlingsprojekt (AiRAP), planlægger gruppen at levere det, det omtaler som brugbare data til 20.000 km NSW-veje ved hjælp af TomToms MN-R næste generations kortdata, som samt ekstraktionsteknikker og maskinlæring til Lidar -data. Pilotvurderinger vil også blive udført på en prøve af lokale, statslige og nationale motorveje for at bevise metoderne.
“Brug af kunstig intelligens og maskinlæringsteknikker til at indsamle data har potentiale til at reducere omkostninger og øge datafrekvensen og nøjagtigheden,” sagde projektleder og iRAP global innovationschef Monica Olyslagers.
“Gør hurtigere og en mere overkommelig dataindsamling mulig betyder, at sikkerhedsvurderinger kan foretages på årsbasis i hele vejnettet. “
iMove CRC mener, at initiativet vil hjælpe med at åbne eksisterende og nye datakilder, der kan hjælpe med at forbedre vurderinger af trafiksikkerheden.
“Brug af teknologier som AI til at forbedre i vores pakke af sikkerhedspolitiske værktøjer er et stort skridt fremad. Disse kraftfulde og indsigtsfulde værktøjer kan informere sunde investeringer fra regeringen, der redder liv og låser op for betydelige fordele for familier, samfund, virksomheder og sundhedssystemer gennem reducerede trafiktrauma, “sagde iMOVE CRC's administrerende direktør Ian Christensen.
I slutningen af sidste år indgik TfNSW et samarbejde med Microsoft om at udvikle et bevis på koncept, der bruger data og maskinlæring til at markere potentielt farlige kryds og reducere vej ulykker.
Som en del af proof of concept kørte Transport for NSW et forsøg i Wollongong for at afdække fem potentielt risikable kryds. Det involverede 50 køretøjer, der genererede mere end en milliard rækker af data over en periode på 10 måneder, før Databricks og Azure blev brugt til at kurere, indtage og fortolke dataene.
Telematikdataene blev brugt til at identificere hastighed , hård opbremsning, hård acceleration og sideværts bevægelse lige før krydset. Det blev derefter sammenlignet med mønstre af eksisterende data om uheldsundersøgelser.
Siden retssagen er to ud af de fem kryds blevet planlagt til ændring.
Relateret dækning
Fødevarelever rytterskader er reduceret med 70%, viser de seneste NSW -regeringsdata Viktoriansk undersøgelse afslører, at lidarsensorer kan advare vej brugere af kommende farer Telstra og Arenberg udvikler 5G -cykelhjelmprototype Victoria til at prøve 'smart' cykellysteknologi for at øge trafiksikkerheden for cyklisterUniversitetet i Melbourne og Cubic test AI -kamera for at forbedre trafiksikkerheden
Relaterede emner:
Big Data Analytics CXO Digital Transformation Tech Industry Smart Cities Cloud 