I ricercatori di Rutgers creano uno strumento di rilevamento delle trasgressioni ferroviarie aiutato dall’intelligenza artificiale
Il sistema analizza le riprese video per rilevare l’attività pedonale illegale e fornire dati per aiutare a ridurre gli scioperi dei treni prevenibili
Un paio di ingegneri Rutgers hanno sviluppato uno strumento aiutato dall’intelligenza artificiale per rilevare sconfinamenti ai passaggi ferroviari e frenare le vittime che sono aumentate negli ultimi dieci anni.
Asim Zaman , un ingegnere di progetto di Rutgers, e Xiang Liu , professore associato di ingegneria dei trasporti presso la Rutgers School of Engineering, hanno creato un framework assistito dall’intelligenza artificiale che rileva automaticamente gli sconfinamenti ferroviari, differenzia i tipi di trasgressori e genera video clip di infrazioni. Il sistema utilizza un algoritmo di rilevamento degli oggetti per elaborare i dati video in un unico set di dati.
“Con queste informazioni possiamo rispondere a numerose domande, ad esempio a che ora del giorno le persone sconfinano di più e le persone girano intorno ai cancelli quando scendono o salgono?” disse Zaman.
Ogni anno, secondo la Federal Railroad Administration, centinaia di persone negli Stati Uniti muoiono in incidenti di sconfinamento ai 210.000 valichi ferroviari del paese. Nonostante gli sforzi concertati per ridurre le vittime, i decessi per sciopero dei treni continuano ad aumentare. Nel 2008, la FRA ha stimato che circa 500 persone sono state uccise ogni anno violando i diritti di passaggio delle ferrovie. Dieci anni dopo, il numero comprensivo dei suicidi era salito a 855, ha riferito la FRA.
Nella loro ricerca, Zaman e Liu definiscono i trasgressori come persone o veicoli non autorizzati in un’area di ferrovia o proprietà di transito non destinata all’uso pubblico, o coloro che entrano in un passaggio a livello segnalato dopo che è stato attivato.
Finora, la maggior parte delle ricerche sulle violazioni delle ferrovie era derivata da informazioni sugli incidenti. Ma la ricerca ha trascurato i quasi incidenti, occasioni che secondo Zaman e Liu possono fornire preziose informazioni sui comportamenti di violazione di domicilio, che a loro volta possono aiutare con la progettazione di misure di controllo più efficaci.
Per testare la loro teoria, i ricercatori hanno avuto accesso a filmati catturati a un incrocio nel New Jersey urbano. Nella sede dello studio sono state installate telecamere a seguito del Fixing America’s Surface Transportation Act (FAST) del 2015 . Ma la maggior parte dei sistemi video agli incroci oggi non viene rivista o rivista manualmente, il che è laborioso e costoso.
Zaman e Liu hanno addestrato il loro strumento di intelligenza artificiale e apprendimento profondo per analizzare 1.632 ore di filmati d’archivio dal sito dello studio. Ciò che hanno scoperto è che durante 68 giorni di monitoraggio si sono verificati 3.004 casi di violazione di domicilio, una media di 44 al giorno. I ricercatori hanno anche scoperto che quasi il 70 per cento dei trasgressori erano uomini, circa un terzo sconfinava prima che il treno passasse e la maggior parte delle violazioni si verificava il sabato intorno alle 17:00. I risultati sono pubblicati sulla rivista Accident Analysis & Prevention .
Zaman ha affermato che dati granulari come questo potrebbero essere utilizzati dalle autorità locali per posizionare gli agenti di polizia vicino agli incroci durante i periodi di picco delle violazioni o per informare i proprietari delle ferrovie e i responsabili delle decisioni su soluzioni di attraversamento più efficaci, come sistemi di eliminazione dei passaggi a livello o cancelli e segnali avanzati.
“Tutti amano i dati, ed è quello che stiamo fornendo”, ha affermato Zaman.
Liu ha aggiunto: “Vogliamo fornire all’industria ferroviaria e ai responsabili delle decisioni gli strumenti per sfruttare il potenziale non sfruttato dell’infrastruttura di videosorveglianza attraverso l’analisi del rischio dei loro feed di dati in posizioni specifiche”.
Oltre alla sede del New Jersey, i ricercatori stanno conducendo studi in Virginia e nella Carolina del Nord e hanno recentemente ricevuto una sovvenzione di $ 583.000 dal Dipartimento dei trasporti degli Stati Uniti per espandersi in altri stati tra cui Connecticut, Massachusetts e Louisiana. Il loro lavoro è finanziato da sovvenzioni della FRA e dell’Amministrazione federale dei trasporti e tra i collaboratori della ricerca figurano compagnie ferroviarie, agenzie di transito e dipartimenti statali dei trasporti.
