< p class="meta"> Door Aimee Chanthadavong | 8 september 2021 — 03:13 GMT (04:13 BST) | Onderwerp: Innovatie
Transport for NSW (TfNSW) gebruikt AI om voorspellende algoritmen te ontwikkelen om nationale, provinciale en lokale overheden te helpen hun verkeersveiligheidsprestaties te beheren.
Het Nationaal Actieplan Verkeersveiligheid 2018-2020 bevat doelstellingen die 90% van het reizen op rijkswegen en 80% op rijkswegen vereisen om te voldoen aan een veiligheidsnorm van drie sterren of beter. Tot nu toe was het beoordelen van de kwaliteit van wegen gebaseerd op het verzamelen van video-opnames en handmatige opnamemethoden.
TfNSW werkt nu samen met iMove Cooperative Research Center (CRC), de University of Technology Sydney, the International Road Assessment Program (iRAP) en het geospatiale databedrijf Anditi, om een snellere en meer geautomatiseerde methode te ontwikkelen om onbewerkte weggegevens te extraheren.
Als onderdeel van het initiatief, dat het Accelerated and Intelligent Road Assessment Program Data Collection (AiRAP)-project wordt genoemd, is de groep van plan om bruikbare gegevens te leveren voor 20.000 km NSW-wegen met behulp van TomTom's MN-R-kaartgegevens van de volgende generatie. evenals extractietechnieken en machine learning voor Lidar-gegevens. Er zullen ook proefbeoordelingen worden uitgevoerd op een steekproef van lokale, provinciale en nationale snelwegen om de methodologieën te bewijzen.
“Het gebruik van kunstmatige intelligentie en machine learning-technieken om de gegevens te verzamelen, kan de kosten verlagen en de frequentie en nauwkeurigheid van gegevens verhogen”, zei projectmanager en globale innovatiemanager van iRAP, Monica Olyslagers.
“Sneller maken en meer betaalbare gegevensverzameling mogelijk betekent dat jaarlijks veiligheidsbeoordelingen over het hele wegennet kunnen worden uitgevoerd.”
iMove CRC is van mening dat het initiatief zal helpen om bestaande en opkomende gegevensbronnen te ontsluiten die kunnen helpen bij het verbeteren verkeersveiligheidsbeoordelingen.
“Het gebruik van technologieën zoals AI om onze reeks veiligheidsbeleidstools te verbeteren, is een grote stap voorwaarts. Deze krachtige en inzichtelijke tools kunnen leiden tot degelijke investeringen door de overheid die levens redden en aanzienlijke voordelen opleveren voor gezinnen, gemeenschappen, bedrijven en gezondheidssystemen door verminderde verkeerstrauma”, zei iMOVE CRC-directeur Ian Christensen.
Eind vorig jaar werkte TfNSW samen met Microsoft om een proof-of-concept te ontwikkelen dat gebruikmaakt van gegevens en machine learning om potentieel gevaarlijke kruispunten te markeren en het wegverkeer te verminderen. ongelukken.
Als onderdeel van de proof of concept heeft Transport for NSW een proef uitgevoerd in Wollongong om vijf potentieel risicovolle kruispunten te ontdekken. Het ging om 50 voertuigen die meer dan een miljard rijen aan gegevens genereerden gedurende een periode van 10 maanden, voordat Databricks en Azure werden gebruikt om de gegevens te beheren, op te nemen en te interpreteren.
De telematicagegevens werden gebruikt om de snelheid te bepalen. , hard remmen, hard accelereren en zijwaartse beweging net voor de kruising. Het werd vervolgens vergeleken met patronen van bestaande onderzoeksgegevens over crashes.
Sinds de proef zijn twee van de vijf kruispunten gepland voor wijziging.
Verwante dekking
Verwondingen van voedselbezorger met 70% gedaald, blijkt uit de laatste overheidsgegevens van NSW Victoriaanse proef onthult dat lidar-sensoren de weg kunnen waarschuwen gebruikers van opkomende gevaren Telstra en Arenberg ontwikkelen prototype van 5G-fietshelm Victoria om 'slimme' fietsverlichtingstechnologie uit te proberen om de verkeersveiligheid voor fietsers te verbeteren University of Melbourne en Cubic testen AI-camera om verkeersveiligheid te verbeteren
Verwante onderwerpen:
Big Data Analytics CXO Digitale transformatie Tech Industrie Smart Cities Cloud 