Новая система AI управляет дорожной инфраструктурой через Google Street View

Ученые-геопространственники разработали новую программу для мониторинга дорожных знаков, нуждающихся в замене или ремонте, используя изображения Google Street View. Полностью автоматизированная система обучается с использованием AI-обнаружения объектов для определения уличных знаков на свободно доступных изображениях.

Муниципальные власти в настоящее время тратят много времени и денег на мониторинг и регистрацию геолокации транспортной инфраструктуры вручную, что также подвергает работников ненужным дорожным рискам.

Результаты, только что опубликованные в журнале « Компьютеры, окружающая среда и городские системы», показывают, что система обнаруживает знаки с точностью почти 96%, идентифицирует их тип с точностью почти 98% и может записывать их точное географическое положение из 2D-изображений.

Ведущий автор исследования и студент Университета RMIT Geospatial Science Honors, Эндрю Кэмпбелл, сказал, что модель проверки концепции была обучена видеть знаки «стоп» и «уступать» (выход), но могла быть обучена для выявления многих других входных данных и была легко масштабируемый для использования местными органами власти и органами управления движением.

«(Муниципальные власти) имеют требования для мониторинга этой инфраструктуры, но в настоящее время нет дешевого или эффективного способа сделать это», — сказал Кэмпбелл. «Используя бесплатные инструменты с открытым исходным кодом, мы разработали полностью автоматизированную систему для выполнения этой работы и более точного выполнения».

В ходе расследований команда обнаружила, что обязательные данные о местоположении GPS в существующих базах данных о дорожных знаках часто были неточными, иногда на расстоянии до 10 метров.

«Отслеживание этих признаков вручную людьми, которые могут не быть обученными геологами, вносит человеческую ошибку в базу данных. Наша система после настройки может использоваться любым пространственным аналитиком — вы просто сообщаете системе, какую область вы хотите отслеживать, и она выглядит после этого для тебя,«сказал Кэмпбелл.

Кэмпбелл приписал первоначальную концепцию проекта своему отраслевому наставнику в Alpine Shire Council и выпускнику RMIT Geospatial Science Барретту Хигману.

Научный сотрудник и руководитель проекта RMIT, доктор Чайн Сан, сказал, что тот факт, что некоторые советы уже прикрепляли камеры к мусоровозам для сбора видеоматериалов с улиц, показал, насколько ценными становятся визуальные данные, учитывая то, что технологии теперь могут с ними делать.

«Эти снимки имеют решающее значение для органов местного самоуправления при мониторинге и управлении активами, и с огромным количеством геопространственных приложений эта информация станет только более ценной», — сказал Сан.

«Мы являемся одним из нескольких ранних приложений для этого, чтобы удовлетворить специфические потребности отрасли, но в ближайшие годы появится намного больше».

По словам Сун, в систему также могут поступать кадры из других источников, например, с камер мусорных грузовиков или любых других геопривязанных снимков дорожной сети, собранных муниципальными властями.

«Там, где отснятый материал уже собран, наши исследования могут предоставить советам экономичный инструмент для получения информации и данных с этого существующего ресурса», — сказала она.