來源：FUJITSU
滯留的車輛造成交通堵塞和事故
因惡劣天氣、堵塞或交通事故而滯留的車輛，將無一例外地造成更多的破壞 —— 在某些情況下，也是一個安全問題。為了確保道路安全，重要的是要發現被困的車輛，並儘快將其排除。根據日本土地、基礎設施、交通和觀光部 2015 年進行的一項名為《降雪導致的國道道路封閉和擱淺車輛記錄》的研究，每年有 500 多輛汽車卡在雪中，道路封閉距離總長度達到 1,670 公里，道路封閉時間達到 1100 小時（日本人好會玩這種數字）。
在 2018 年 2 月日本北陸發生創紀錄的暴風雪期間，多輛沒有配備輪胎鏈的大型車輛被困在該地區。移動這些滯留的車輛花了很長時間，一度有 300 多輛車被卡住了。
使用 13,000 支閉路電視攝影機監控國道面臨哪些挑戰？
今天，為了監控其管轄範圍內的道路和河流，陸交通省在日本各地安裝了約 2 萬支閉路電視單元。其中，全國各國的高速公路上安裝了約 13,000 支閉路電視攝影機。在日本各地的每個國家公路辦事處，兩到三個道路監控營運單位使用大型監控器，每天 24 小時監控攝影機鏡頭。一旦他們注意到事件發生，他們就可以與相關當局共享資訊，並派遣緊急車輛。
然而，隨著每年道路上安裝越來越多的閉路電視攝影機，在採取緊急措施的同時，不斷監控攝影機鏡頭，以檢測滯留的車輛變得越來越困難。
2018 年 3 月，土地、基礎設施、運輸和旅遊部開始使用人工智慧技術促進交通事件檢測，作為電信技術願景 3 的一部分，該願景規定了到 2022 年要實現的研發和技術實施的目標。
該計劃目的在透過與人類操作員一起，佈署人工智慧來更快、更準確地檢測事件。
人工智慧檢測停車和交通堵塞，然後通知道路監控營運單位
2019 年 7 月，富士通開始提供富士通公共部門解決方案：人工智慧檢測系統，透過使用人工智慧自動定位汽車和交通堵塞，並通知營運單位，作為支援道路監控營運單位的解決方案。
人工智慧檢測系統利用深度學習技術來訓練人工智慧，使用各種車輛影像作為學習資料，使其能夠自動檢測各種不同的車輛（如乘用車、卡車和公共汽車），而不會受到天氣或一天中時間等外部環境因素的影響。由於該系統透過在 20 個標準攝影機單元，和一個人工智慧系統之間切換來工作，因此無需為每支攝影機設定處理範圍，也無需配置攝影機捕捉的場景範圍的角度。這使得檢測成為可能，而無需調整現有的日常攝影機監控流程。
此外，各種事件，如車輛停止和交通堵塞，會自動檢測並迅速通知道路監控營運單位，使他們能夠迅速採取初步措施來解決交通事故。例如，如果車輛的位置在一定時期內保持不變，人工智慧會辨識它已經停止。如果道路上的汽車超過預設的臨界值，它會將其辨識為交通堵塞。透過使用地圖顯示和警報通知，將此資訊轉發給道路監控營運單位，他們可以更快地反應事件。此外，檢測到的事件前後的事件錄影儲存在檔案中，可用於確定原因，並為未來事件制訂計劃。
展望未來，這項技術將能夠檢測異常駕駛，例如汽車比周圍其他汽車行駛速度慢，汽車逆行駛，以及汽車無視道路上的交通屏障。
檢測停止的車輛
檢測交通堵塞
系統結構影像
*人工智慧檢測系統基於富士通以人為中心的人工智慧 Zinrai
已經實現了高精度辨識率
土地、基礎設施、運輸和旅遊部關東地區發展局的任務是測試該系統，以驗證其有效性。在其辦公室中，高崎河和國家公路辦公室負責監督，延伸到新瀉縣和長野縣的道路，該地區車輛經常被困 —— 特別是在冬季，由於大雪。
測試結果顯示，在系統不受天氣或時間損害的情況下，可以檢測到車輛。即使視角發生了變化，系統也會自動調整角度以檢測車輛，從而實現高度準確的辨識率。去年的降雪量比平時少，因此沒有汽車被困，但當大型車輛被攔截時，系統準確地檢測到汽車的停止狀態和造成的塞車，證明了系統的有效性。
考慮在預測事件和河流監測任務中的應用
展望未來，富士通希望透過制訂車輛被困條件的假設，來實施全面的支援功能，以解決道路上的問題。這將涉及使用攝影機鏡頭和資訊天氣狀況，並使用它們來預測交通事故，並在地圖上顯示結果。
此外，我們的目的在透過建立與累積的過去資料，和天氣資料相關的學習模型，來進一步提高準確性。
透過實施這些功能，我們可以使用使用人工智慧檢測系統，編譯的交通事故錄影庫，來預測和防止未來交通事故的發生，甚至可以擴充到在事故發生前，建立初始反應能力的服務。
此外，透過擴大人工智慧檢測系統的範圍，我們還計劃使用它不僅用於監測道路，還用於監測河流。透過實現人類檢測功能，監控攝影機可用於檢測限制區域的人類存在，或在水壩排放時監控排水盆 —— 減輕巡邏任務的負擔。它也可以用來監測有洪水風險的地區。
富士通計劃繼續為公共機構提供使用最新資訊和通訊技術的各種系統，這些機構正在努力確保河流和道路周圍的公共基礎設施，能夠有效地用作人們在社群生活的基礎，並建立一個安全無保障的社會。
沒有留言:
張貼留言