Bild: NSW-regeringen
Regeringen i New South Wales har slagit sig ihop med Cisco för att testa användningen av AI, IoT och edge computing-teknik för att förbättra tillförlitligheten för kollektivtrafiken i Sydney och Newcastle.
Som en del av försöket, Transport för NSW (TfNSW) använder IoT för att möjliggöra att fysiska objekt “digitaliseras” och kopplas till det transporterade nätverket via sensorer, medan edge computing kommer att utnyttjas för att ta realtidsdata från anslutna objekt för att möjliggöra snabbare beslutsfattande. AI kommer under tiden att användas för att hjälpa till med att förstå data och automatisera processen.
Teknikerna kommer att kopplas till flera bussar, färjor och lätta järnvägsfordon i båda städerna, sade delstatsregeringen.
“Vi har samarbetat med Cisco för att undersöka hur en realtidsvy av fordonsutbud och kundernas efterfrågan och prestanda kan vägleda framtida nätverksbeslut och övervaka vägförhållandena för att identifiera var reparationsarbete behövs, ” sade transport- och vägminister Rob Stokes.
“Vi använder AI, Wi-Fi och edge computing på Pitt St nära Central Station för att fånga in realtidsdata och identifiera högriskhändelser.
“Vi kommer att kunna hålla en nära öga på fordonsrörelser när fler pendlare och fotgängare går tillbaka till Sydneys mest trafikerade knutpunkter när covid-19-restriktionerna fortsätter att lätta.”
Den delstatsregeringen lade till att data som samlas in också kommer att användas för att övervaka tillgångar och förstå bekvämligheten av kundresor i realtid.
Enligt Cisco Australiens och Nya Zeelands transport- och infrastrukturchef Simon Young är TfNSW den enda byrån i världen som testar företagets AI-system.
“Dessa försök representerar styrkan i partnerskapet mellan Cisco och Transport för att NSW ska saminnovera och använda teknik för att lösa några av de mest pressande och utmanande problemen som transportbyråer står inför”, sa han.
Dessa försök kommer dock inte att vara första gången TfNSW har utnyttjat AI och dataanalys. I september sa byrån att den använde AI för att utveckla prediktiva algoritmer för att hjälpa nationella, statliga och lokala myndigheter att hantera deras trafiksäkerhetsprestanda.
TfNSW samarbetade med iMove Cooperative Research Center (CRC), University of Technology Sydney, International Road Assessment Program (iRAP) och geospatiala dataföretaget Anditi för att utveckla en snabbare och mer automatiserad metod för att extrahera rå vägdata.
Som en del av initiativet, kallat projektet för accelererad och intelligent vägbedömningsprogram datainsamling (AiRAP), planerar gruppen att leverera vad den refererar till som användbar data för 20 000 km NSW-vägar med hjälp av TomToms MN-R nästa generations kartdata, samt extraktionstekniker och maskininlärning för Lidar-data. Pilotbedömningar kommer också att genomföras på ett urval av lokala, statliga och nationella motorvägar för att bevisa metoderna.
I slutet av förra året ingick TfNSW samarbetspartner med Microsoft för att utveckla ett proof of concept som använder data och maskininlärning för att flagga potentiellt farliga korsningar och minska trafikolyckor.
Som en del av proof of concept, körde Transport for NSW ett försök i Wollongong för att avslöja fem potentiellt riskfyllda korsningar. Det involverade 50 fordon som genererade mer än en miljard rader med data under en 10-månadersperiod, innan Databricks och Azure användes för att sammanställa, ta in och tolka data.
Telematikdata användes för att identifiera hastighet , hård inbromsning, hård acceleration och sidorörelse strax före korsningen. Det jämfördes sedan med mönster av befintliga data för kraschundersökningar.
Sedan försöket har två av de fem korsningarna planerats för modifiering.
RELATERAD TÄCKNING
Matleverans Ryttarskador minskade med 70 %, senaste NSW-statistiken visar att Victorian-försöket avslöjar att lidarsensorer kan varna trafikanter om kommande faror. kamera för att förbättra trafiksäkerheten Australien | CXO | Digital transformation | Teknisk industri | Smarta städer | Moln