< p class="meta"> Di Aimee Chanthadavong | 8 settembre 2021 — 03:13 GMT (04:13 BST) | Argomento: Innovazione
Transport for NSW (TfNSW) utilizza l'intelligenza artificiale per sviluppare algoritmi predittivi per aiutare i governi nazionali, statali e locali a gestire le proprie prestazioni di sicurezza stradale.
Il piano d'azione nazionale per la sicurezza stradale 2018-2020 stabilisce obiettivi che richiedono il 90% di viaggi sulle autostrade nazionali e l'80% sulle autostrade statali per soddisfare uno standard di sicurezza a tre stelle o superiore. Fino ad ora, la valutazione degli standard delle strade si è basata sulla raccolta di filmati di rilievi video e su metodi di registrazione manuale.
TfNSW ha ora collaborato con iMove Cooperative Research Center (CRC), l'Università di Tecnologia di Sydney, l'International Road Assessment Program (iRAP) e la società di dati geospaziali Anditi, per sviluppare un metodo più rapido e automatizzato per estrarre i dati stradali grezzi.
Come parte dell'iniziativa, soprannominata il progetto di raccolta dei dati del programma di valutazione stradale accelerato e intelligente (AiRAP), il gruppo prevede di fornire quelli a cui si riferisce come dati utilizzabili per 20.000 km di strade del NSW utilizzando i dati cartografici di nuova generazione MN-R di TomTom, come nonché tecniche di estrazione e apprendimento automatico per dati Lidar. Verranno inoltre condotte valutazioni pilota su un campione di strade autostradali locali, statali e nazionali per dimostrare le metodologie.
“L'uso dell'intelligenza artificiale e delle tecniche di apprendimento automatico per raccogliere i dati ha il potenziale per ridurre i costi e aumentare la frequenza e l'accuratezza dei dati”, ha affermato Monica Olyslagers, project manager e responsabile dell'innovazione globale iRAP.
“Rendere più veloce e una raccolta dati più conveniente possibile significa che le valutazioni della sicurezza possono essere effettuate su base annuale su tutta la rete stradale.”
iMove CRC ritiene che l'iniziativa aiuterà ad aprire le fonti di dati esistenti ed emergenti che potrebbero aiutare a migliorare valutazioni della sicurezza stradale.
“L'utilizzo di tecnologie come l'intelligenza artificiale per migliorare la nostra suite di strumenti per la politica di sicurezza è un grande passo avanti. Questi strumenti potenti e perspicaci possono informare investimenti solidi da parte del governo che salvano vite e sbloccano vantaggi significativi per famiglie, comunità, imprese e sistemi sanitari attraverso la riduzione trauma stradale”, ha affermato Ian Christensen, amministratore delegato di iMOVE CRC.
Alla fine dello scorso anno, TfNSW ha collaborato con Microsoft per sviluppare una prova di concetto che utilizza i dati e l'apprendimento automatico per segnalare incroci potenzialmente pericolosi e ridurre la strada incidenti.
Come parte della prova del concetto, Transport for NSW ha condotto una prova a Wollongong per scoprire cinque incroci potenzialmente rischiosi. Ha coinvolto 50 veicoli che hanno generato più di un miliardo di righe di dati in un periodo di 10 mesi, prima che Databricks e Azure venissero usati per curare, assimilare e interpretare i dati.
I dati telematici sono stati usati per identificare la velocità. , brusca frenata, brusca accelerazione e movimento laterale appena prima dell'incrocio. È stato quindi confrontato con i modelli dei dati di indagine sugli incidenti esistenti.
Dopo il processo, due dei cinque incroci sono stati programmati per la modifica.
Copertura correlata
Le lesioni dei conducenti di consegne di cibo sono diminuite del 70%, gli ultimi dati del governo del NSW mostrano che lo studio vittoriano rivela che i sensori lidar possono allertare la strada utenti dei pericoli imminenti Telstra e Arenberg sviluppano un prototipo di casco per bici 5GVictoria sperimenta la tecnologia “intelligente” per la luce della bicicletta per aumentare la sicurezza stradale per i ciclisti L'Università di Melbourne e Cubic testano la fotocamera AI per migliorare la sicurezza stradale
Argomenti correlati:
Big Data Analytics CXO Digital Transformation Tech Industry Smart Cities Cloud 