Penyelidik di Sekolah Kejuruteraan NYU Tandon telah membangunkan sistem AI, SeeUnsafe, untuk meningkatkan keselamatan jalan raya dengan menganalisis rakaman kamera trafik untuk perlanggaran dan nyaris.
Rangkaian kamera trafik yang luas di New York City merakam video berjam-jam setiap hari, mencipta harta karun data yang, sehingga kini, telah mencabar untuk digunakan sepenuhnya. Itu akan berubah dengan perkembangan terobosan daripada penyelidik di New York University (NYU) Tandon School of Engineering. Sistem kecerdasan buatan baharu mereka, SeeUnsafe, bertujuan untuk meningkatkan keselamatan jalan raya dengan mengenal pasti secara automatik perlanggaran dan nyaris dalam rakaman trafik yang meluas.
Diterbitkan dalam jurnal Analisis dan Pencegahan Kemalangan, penyelidikan inovatif ini telah pun memperoleh Anugerah Penyelidikan Sifar Visi New York City, sejajar dengan keutamaan keselamatan jalan raya di bandar itu.
Pengarang kanan Kaan Ozbay, seorang profesor di Jabatan Kejuruteraan Awam dan Bandar dan pengarah pusat C2SMART NYU Tandon, membentangkan kajian itu pada tahun ini. Penyelidikan tentang simposium Jalan Pada Nov. 19.
SeeUnsafe memanfaatkan model AI yang telah dilatih untuk memahami kedua-dua data visual dan teks, menjadikannya salah satu aplikasi pertama model bahasa besar berbilang mod untuk menganalisis video trafik dalam bentuk panjang.
"Anda mempunyai seribu kamera berjalan 24/7 di New York City. Meminta orang ramai memeriksa dan menganalisis semua rakaman itu secara manual tidak boleh dipertahankan," kata Ozbay dalam satu kenyataan berita. "SeeUnsafe memberi pegawai bandar cara yang sangat berkesan untuk memanfaatkan sepenuhnya pelaburan sedia ada itu."
Sistem AI menangani jurang kritikal dalam pengurusan keselamatan lalu lintas — had sumber dalam menganalisis sejumlah besar rakaman video. Dengan mengenal pasti di mana dan bila insiden berlaku, SeeUnsafe membenarkan agensi pengangkutan untuk menentukan persimpangan berbahaya dan keadaan yang memerlukan campur tangan sebelum kemalangan teruk berlaku.
"Agensi tidak perlu menjadi pakar penglihatan komputer. Mereka boleh menggunakan teknologi ini tanpa perlu mengumpul dan melabel data mereka sendiri untuk melatih model analisis video berasaskan AI," tambah pengarang bersama Chen Feng, profesor bersekutu di NYU Tandon dan pengarah pengasas bersama Pusat Robotik dan Perisikan Terwujud.
Diuji pada set data Keselamatan Trafik Toyota Woven, SeeUnsafe mengatasi model lain, mengklasifikasikan insiden lalu lintas dengan betul sebanyak 76.71% dan mengenal pasti pengguna jalan raya yang terlibat dengan kadar kejayaan setinggi 87.5%.
Ketepatan yang ketara ini bermakna sistem boleh memberikan cerapan yang boleh diambil tindakan tentang keselamatan lalu lintas, yang berpotensi mencegah kemalangan dengan memaklumkan campur tangan tepat pada masanya seperti papan tanda yang dipertingkatkan, pemasaan isyarat yang lebih baik dan reka bentuk jalan raya yang direka bentuk semula berdasarkan corak nyaris dan perlanggaran daripada menunggu kemalangan berlaku.
Keupayaan sistem untuk menjana laporan keselamatan jalan raya dengan penjelasan bahasa semula jadi membolehkannya menerangkan faktor seperti keadaan cuaca, volum trafik dan pergerakan tertentu yang membawa kepada kejadian nyaris atau perlanggaran.
Walaupun terdapat beberapa batasan, seperti kepekaan terhadap ketepatan penjejakan objek dan cabaran dalam keadaan cahaya malap, para penyelidik percaya SeeUnsafe meletakkan asas penting untuk kemajuan AI selanjutnya dalam keselamatan jalan raya.
sumber: Sekolah Kejuruteraan NYU Tandon