Redução do congestionamento com Deep Learning

Na Índia, a gestão manual do tráfego tornou-se altamente impraticável devido à rápida urbanização. Além disso, os sistemas centrais de monitoramento estão enfrentando problemas de escalabilidade à medida que processam quantidades crescentes de dados recebidos de centenas de câmeras de trânsito. Os especialistas em Deep Learning da Siemens Corporate Technology estão desenvolvendo uma solução inteligente de gerenciamento de tráfego para resolver esses problemas.

 

por Tomonica Chandran

A Central Silk Board Junction em Bengaluru, Índia, é um dos incontáveis cruzamentos da cidade que é regularmente bloqueado por enormes engarrafamentos de trânsito. No entanto, tais problemas podem em breve tornar-se uma coisa do passado. Uma equipe de especialistas em Deep Learning e inteligência de máquinas da Siemens Corporate Technology está desenvolvendo uma solução de gerenciamento de tráfego que automatiza totalmente o controle e o monitoramento do tráfego.

 

Um protótipo está atualmente sendo testado no campus da Cidade Electrónica em Bengaluru, em colaboração com a Electronics City Township Authority (ELCITA). Rama NS, CEO da ELCITA, está confiante que a solução irá melhorar significativamente a gestão do tráfego em Bengaluru. "Ele nos fornecerá informações de tráfego que não temos atualmente, e ajudará a melhorar nossa gestão do tráfego pendular", diz Rama.

Controle automático de semáforos em tempo real

A solução desenvolvida pela Corporate Technology captura fluxos de vídeo de várias câmaras instaladas em torno da ELCITA e processa-os utilizando técnicas de aprendizagem profunda baseadas em inteligência artificial. Como o processamento ocorre nos próprios cruzamentos, isso evita os atrasos experimentados com soluções anteriores, nas quais fluxos de vídeo de centenas de câmeras de tráfego são enviados para um ambiente de nuvem central para serem processados e monitorados.

 

Com a nova abordagem, tarefas típicas de gestão de tráfego, tais como detecção de veículos, estimativa de densidade de tráfego e controle de semáforos, podem ser automatizadas para um desempenho em tempo real. Quando necessário, porém, a solução também pode ser usada para processar fluxos de vídeo em um ambiente de nuvem central - para obter uma visão completa da situação do tráfego na cidade, por exemplo.

Pedestres, motos ou carros - como a solução da Siemens avalia as imagens da câmera, ela também classifica os objetos representados em tempo real.

Condução autônoma nas ruas caóticas da cidade

David Borst, do MindSphere Application Center da Siemens Mobility, tem tido um grande interesse nos testes de Bengaluru. "Quanto melhor compreendermos os padrões de tráfego, melhor os conseguiremos gerir", explica ele.

 

Vinay Sudhakaran, um Especialista-Chave Sênior em aprendizagem no campo na Siemens Tecnologia Corporativa na Índia, pode até mesmo prever aplicações além da gestão de tráfego. Por exemplo, ele aponta que a capacidade de identificar diferentes tipos de veículos pode ser útil no planejamento urbano. "Técnicas de Deep Learning também podem ser utilizadas para detectar acidentes e notificar automaticamente a polícia e os serviços de ambulância. A tecnologia também poderia capturar provas visuais de violações de trânsito, extrair números de veículos e gerar automaticamente multas de trânsito", acrescenta. Os desenvolvimentos na tecnologia de detecção de veículos podem aproximar a navegação autônoma da realidade, mesmo em ruas caóticas da cidade.

Corredor Verde

Os ensaios de campo da ELCITA estão atualmente em curso com resultados promissores, revelando números realistas e consistentes para a densidade de tráfego. "Estamos agora prontos para avançar para um ambiente de simulação onde queremos descobrir como a inteligência artificial pode gerir os sinais de trânsito em múltiplos cruzamentos para alcançar um efeito de corredor verde", diz Vinay. "No entanto, precisaremos otimizar os nossos modelos de aprendizagem profunda para o fazermos. Esperamos que o Instituto Indiano de Ciências nos apoie, e já foi assinado um acordo de colaboração"

2018-04-13

Tomonica Chandran

Créditos das imagens: de cima: 1. Imagens de gettyimages

Inscreva-se na nossa Newsletter

Fique sempre atualizado: tudo o que você precisa saber sobre eletrificação, automação e digitalização.