Gdy przemieszczasz się po mieście, możesz dostrzec kamery obserwujące skrzyżowania. Zostały one zainstalowane w celu monitorowania warunków ruchu, dokumentowania zdarzeń drogowych czy przestępstw. Okazuje się, że mogą one również pomóc inżynierom ruchu drogowego w optymalizacji przepływu aut i to bez konieczności wielogodzinnego oglądania nagrań.
Naukowcy z University of Texas w Austin (UT) i Texas Advanced Computing Center opracowują narzędzia oparte na sztucznej inteligencji do automatycznej analizy zachowań na drodze i stworzenia przeszukiwalnych baz danych.
Nowe rozwiązanie wykorzystuje nieprzetworzone zdjęcia z kamer rozmieszczonych w Austin do rozpoznawania obiektów – ludzi, samochodów osobowych, autobusów, ciężarówek, rowerów, motocykli i świateł drogowych, oraz ocenia, w jaki sposób poruszają się i oddziaływują na siebie. System ma ocenić, w których miejscach powstają zatory i co jest ich przyczyną. Ma on możliwość głębokiego uczenia się (ang. deep learning) i automatycznego zbierania danych.
Algorytm etykietuje wszystkie poruszające się obiekty, śledzi ich przemieszczanie, porównuje z innymi wcześniej rozpoznanymi i przetwarza wyniki. Wszystko sprowadza się do prostego zadania liczenia poruszających się pojazdów i identyfikacji bliskich spotkań z pieszymi.
Trudność polega na skali zadania. Austin jest 11. miastem pod względem ilości ludności w Stanach Zjednoczonych i liczy prawie milion mieszkańców. To też najbardziej zakorkowane miasto w USA.
