תירגם וערך: שי מור-רשתי על בסיס מאמרו של קרסטן אוברלה, ראש תחום תחבורה ב-Nokia Enterprise
בינה מלאכותית (AI) ולמידת מכונה מיושמים יותר ויותר בכמה מהתחומים המאתגרים ביותר איתם מתמודדים מפעילי הרכבת. אחד מהיישומים המבטיחים ביותר הוא ניטור המעברים המפלסיים.
קיימת התרגשות רבה סביב יישום ניתוח וידאו, AI, ולמידת מכונה לטובת שיפור הבטיחות במעברי מישור. בשנים 2009-2018 מינהל הרכבות הפדרלי האמריקני (FRA) דיווח על למעלה מ-900 נפגעים ו-250 הרוגים בממוצע במעברי הרכבת בשנה. באיחוד האירופי דיווחה Eurostat כי בשנת 2018 היו 447 תאונות במעברי מישור, שהיו גם הגורם ליותר מ-25% מההרוגים בתאונות הרכבת.
מזה כמה שנים שמפעילי הרכבות משתמשים במצלמות טלוויזיה במעגל סגור (CCTV) כדי לפקח על מעברי מפלס בתשתית שלהם במטרה להפחית את האירועים ולשפר את הבטיחות לציבור ולעובדים. הקושי הוא שלעתים קרובות נדרש ממישהו לצפות ברציפות בתשדורת כדי לאתר חריגות בטיחות. באופן לא מפתיע מפעילים אנושיים יכולים לפתח “עיוורון וידאו”, ולאחר פרקי זמן קצרים יחסית של מעקב אחר עדכוני וידיאו מרובים, הם עלולים להיכשל ולא לראות אירועים שהמצלמות מקליטות.
מחקר של Transportation Research Record שנעשה בשנת 2018 בדק את השימוש ב-AI לניתוח וידאו לרכבות ומצא שהוא יכול להפחית משמעותית את המאמץ הנדרש לעיבוד נתוני וידאו ממערכות טלוויזיה במעגל סגור ויפחית את ההשפעה של “עיוורון וידאו” על המפעילים.
גישה חדשה, היגיון פשוט
הצעד המשמעותי בפיתוח ניתוחי הווידיאו היה יישום למידת מכונה לאיתור חריגות בזרם הווידיאו ללא פיקוח אנושי – ואז התראה בפני אנשי הרכבת על היתכנות של בעיה. בנוסף, בחלק מהמערכות יש גם זיהוי עצמים כדי לזהות אם החריגה היא מכונית או אדם, מה שיכול לעזור להאיץ את אמצעי הבטיחות.
גישה חדשה ומוצלחת יותר זו כוללת הכשרה של תוכנת הניתוח – האלגוריתם – כדי להבין כיצד נראה מעבר במפלס ריק, ואז היא מגיבה רק לשינויים כנגד אותו דפוס ידוע ובלתי משתנה.
ההיגיון בגישה זו פשוט. ניתן להנחות את תוכנית הניתוח להתעלם מפעילות במפלס עד סגירת השערים. בשלב זה המסילות צריכות להיות ריקות. עם סגירת המחסום, כל שינוי בדפוס הווידיאו הדיגיטלי של ‘רצועות ריקות’ מתייחס לאחר מכן כאל ‘אירוע’, שיכול לגרום להתראה למפעיל אנושי לסקור את הצילומים. כאשר המפעילים סוקרים את קטעי הווידאו החריגים, הם יכולים לנקוט בפעולה אם הדבר נדרש.
בגישה זו, מנוע ה-AI לא חייב להיות “חכם” כמו אדם, אלא רק צריך לעשות את העבודה המשעממת ולפקח על 99.9 אחוזים מזרם הווידאו כששום דבר לא קורה בפועל. לאורך זמן ואלפי שעות ניתוח תמונות ניתן לאמן את האלגוריתם לזהות דפוסים שאינם דורשים התראה כגון גשם או שלג, עלים ואירועים סביבתיים רגילים אחרים. אנשי צוות יכולים לתייג סוג כזה של צילומים כך שהתוכנה תקבל משוב מתמיד לשיפור יכולותיה ולהפחתת מספר התגובות השווא.
סוג זה של פתרון לניתוח וידאו מפשט גם את הניתוח הפלילי של אירועים, כולל זיהוי של כשלים.
מאחר שנתונים כאלה נאספים על פני מספר רב של מעברי מישור, זו פלטפורמה אדירה להפקה ויישום של לקחים לבטיחות לטובת הציבור – ולחיסכון תפעולי גדול למפעילי הרכבות. מפעיל אחד שכבר ניהל ניסויים על סוג זה של מערכת בטיחות מעבר משופרת ברכבת הוא מפעיל הרכבות היפני Odakyu Electric Railway.
מכיוון שמערכות אלו יכולות לעבוד עם מרבית מצלמות ה-IP הקיימות, ואפילו מצלמות ישנות ברזולוציה נמוכה יותר – הן אינן דורשות שדרוג יקר למערכות HD CCTV מודרניות. המשמעות היא ששימוש במצלמות טלוויזיה במעגל סגור לצורך פיקוח על מעברי הרכבת באמצעות למידת מכונה אינו פשוט פתרון עתידני ובלתי משתלם, אלא דרך מעשית בה רוב מפעילי הרכבות יוכלו לשפר בקלות את הבטיחות במעברי הרכבת כיום.
למידע נוסף על מוצרי נוקיה בתחום התחבורה ניתן לפנות לשי מור-רשתי, מנהל מכירות אנטרפרייז ישראל.
