Ryska forskare vid South Ural State University (SUSU) har utvecklat och patenterat ett avancerat artificiell intelligens ( AI )-system utformat för att upptäcka trafikavvikelser med hjälp av neurala nätverksteknologier. Programmet, som rapporterats av TV BRICS , behandlar CCTV-bilder i realtid, identifierar fordon exakt och spårar deras hastighet och bana med precision upp till 30 centimeter.
Detta gör det möjligt för myndigheter att generera visuella kartor i realtid över trafikstockningar och störningar, vilket förbättrar stadstrafiken. Olga Ivanova, docent vid SUSU:s institution för systemprogrammering, lyfte fram att systemets nyckelförmåga ligger i att upptäcka även mindre avvikelser i trafikflödet, som till exempel en liten minskning av körfältsbredden.
AI: n är programmerad att identifiera hinder, inklusive olyckor och vägarbete, vilket ger ett snabbt varningssystem för potentiella störningar. Visualiseringsverktyget uppdateras varannan sekund med hjälp av ett färgkodat schema där ökad trafikstockning representeras av gradvis rödare nyanser.
Systemets framtida utveckling syftar till att inte bara upptäcka anomalier utan även klassificera dem och förutsäga deras inverkan på trafikförhållandena inom ett 10-till-20-minutersfönster. Denna förutsägande förmåga skulle göra det möjligt för transportmyndigheter att genomföra tidiga insatser, mildra potentiella trafikstockningar och förbättra den övergripande vägeffektiviteten. Enligt Ivanova är en stor fördel med tekniken dess sömlösa integration i befintlig stadsinfrastruktur.
Ny teknik för neurala nätverk spårar stadstrafikmönster
Till skillnad från konventionella trafikövervakningssystem som ofta kräver dyra GPS-sensorer installerade på enskilda fordon, utnyttjar detta AI -drivna tillvägagångssätt befintliga övervakningsnätverk, vilket gör det till en kostnadseffektiv och skalbar lösning för stadskärnor. AI :s precision i att känna igen trafikförhållanden och dess förmåga att leverera realtidsinsikter gör den till ett värdefullt verktyg för stadsplanerare och räddningsteam.
Genom att möjliggöra snabbare reaktioner på utvecklande vägförhållanden kan systemet avsevärt förbättra den allmänna säkerheten och minska trafikstockningarna i livliga storstadsområden. Med pågående framsteg ser forskargruppen vid SUSU för sig ytterligare förbättringar som skulle förbättra systemets prediktiva noggrannhet och anpassningsförmåga till varierande stadstrafikförhållanden.
Projektet understryker Rysslands engagemang för att integrera AI -lösningar i offentlig infrastruktur, vilket positionerar tekniken som en nyckeltillgång för initiativ inom smarta städer. Eftersom systemet genomgår ytterligare tester och potentiell implementering i ryska städer, kan dess framgång bana väg för adoption i andra regioner som vill modernisera sin trafikledningskapacitet. – Av Eurasian Newswire News Desk.