Inżynierowie stworzyli inteligentny system AI do monitorowania dróg w czasie rzeczywistym podczas powodzi.
WarsawInżynierowie z Uniwersytetu Rice opracowali zautomatyzowany system o nazwie OpenSafe Fusion, który ma na celu lepsze monitorowanie warunków drogowych podczas powodzi. System ten korzysta z istniejących źródeł danych, aby szybko zidentyfikować i przewidywać zalania na drogach.
- Powiadomienia o ruchu drogowym
- Transmisje z kamer
- Publiczne źródła danych, takie jak media społecznościowe
- Dane dotyczące prędkości ruchu
Obecne narzędzia, takie jak kamery monitorujące ruch drogowy i czujniki poziomu wody, zazwyczaj nie koncentrują się na warunkach drogowych i działają niezależnie od siebie. Zintegrowanie tych źródeł danych mogłoby znacznie poprawić świadomość na temat miejskich powodzi, bez konieczności zakupu nowych, kosztownych czujników.
Badacze Jamie Padgett i Pranavesh Panakkal przetestowali nowy system, korzystając z danych z przeszłości o huraganie Harvey w 2017 roku. Odkryli, że system, nazwany OpenSafe Fusion, monitorował około 60% z 62 000 dróg w rejonie Houston. Było to znacznie lepsze niż stare metody. Lepsze pokrycie jest kluczowe dla pomocy w sytuacjach kryzysowych i zapewnienia bezpieczeństwa ludziom.
Framework wykorzystuje uczenie maszynowe do integracji różnych źródeł danych, co umożliwia przewidywanie, które drogi mogą być zalane. Chodzi nie tylko o zbieranie danych, ale o ich inteligentne połączenie, aby dostarczać przydatne informacje. Na przykład podczas huraganu Harvey służby ratunkowe musiały ręcznie sprawdzać, czy drogi są przejezdne. OpenSafe Fusion automatyzuje ten proces, pozwalając na szybsze i dokładniejsze podejmowanie decyzji.
System opiera się na zaangażowaniu ludzi, którzy weryfikują prognozy AI. Jest to ważne, ponieważ ludzie muszą potwierdzać sugestie AI, aby uniknąć błędów, które mogłyby zagrozić bezpieczeństwu społeczności. Celem jest odpowiedzialne wykorzystanie AI do wspomagania działań w odpowiedzi na powodzie, a nie ich utrudnianie.
Plan ten uwzględnia również, jak dotrzeć do kluczowych miejsc, takich jak szpitale i ośrodki dializ, podczas powodzi. Jest to istotne dla bezpieczeństwa społeczności, zapewniając, że służby ratunkowe mogą działać nawet w trudnych warunkach pogodowych.
Zmiany klimatyczne prawdopodobnie spowodują, że powodzie będą występować częściej i z większą intensywnością. Skuteczne wykrywanie oraz reagowanie na te zjawiska będzie kluczowe dla przyszłego planowania miejskiego i działań ratunkowych. OpenSafe Fusion z Uniwersytetu Rice'a oferuje obiecujące rozwiązanie w tej kwestii.
Badanie jest publikowane tutaj:
http://dx.doi.org/10.1016/j.ress.2024.110368i jego oficjalne cytowanie - w tym autorzy i czasopismo - to
Pranavesh Panakkal, Jamie Ellen Padgett. More eyes on the road: Sensing flooded roads by fusing real-time observations from public data sources. Reliability Engineering & System Safety, 2024; 251: 110368 DOI: 10.1016/j.ress.2024.11036820 listopada 2024 · 17:56
Przełom w AI: Maszyny uczą się rozróżniać tekstury powierzchni dzięki technologii kwantowej
18 listopada 2024 · 14:36
Precyzyjne badanie zachowań myszy dzięki AI i mniejszej liczbie zwierząt w eksperymencie
16 listopada 2024 · 17:49
Badania nad zwiększeniem zaufania pasażerów do autonomicznych pojazdów dzięki XAI i nowym strategiom
Udostępnij ten artykuł