13/05/2019
В качестве примеров можно привести автопилотируемые автомобили, которые тестируются и даже перевозят пассажиров в России и других странах, проект оптимизации трафика CIRCLES, направление "Автонет" в рамках Национальной технологической инициативы. В университете Ватерлоо ИИ научили определять по фотографиям, какие дороги, мосты и здания сильнее всего требуют ремонта. А на одном из участков шоссе в Лас-Вегасе система предупреждения водителей на основе ИИ помогла уменьшить число ДТП на 17% за год. Достижения впечатляют, но с практической точки зрения нас прежде всего интересует, какую роль во всем этом может сыграть интеллектуальное видеонаблюдение. Конечно, оно используется для обеспечения безопасности объектов транспортной инфраструктуры. Но есть и другое перспективное направление – сбор данных для сторонних систем.
Видеоаналитика на основе ИИ может определять загруженность дорог, подсчитывая число проходящих по ним транспортных средств разных типов. Она способна с высокой точностью оценивать количество автомобилей в пробке и занятость парковочных мест, выявлять неправильно припаркованные или остановившиеся в неположенном месте автомобили. Можно научить ИИ распознавать нештатные ситуации, например ДТП и всевозможные нарушения ПДД, которые трудно выявить с помощью классических алгоритмов. Еще примеры: подсчет пассажиров для контроля оплаты проезда, контроль уровня загрузки транспорта в пунктах отправки и назначения для борьбы с воровством.
Подведу итог: технологическая база для решения комплексных задач транспорта уже готова. И теперь очень важно наладить взаимодействие производителей систем разного уровня. Используя опыт в своих областях, мы сможем быстрее создавать эффективные интегрированные решения и избежим изобретения велосипедов.
