دوربین‌های هوش مصنوعی برای ردیابی روندهای تحرک عابران پیاده: از داده‌ها تا آینده‌های شهری پایدار

ساخته شده در 01.31

شهرهای سراسر جهان در حال تجربه تحولی عمیق به سوی پایداری هستند و برنامه‌ریزی شهری با محوریت عابران پیاده به عنوان سنگ بنای این دگرگونی ظهور کرده است. با تلاش بیشتر شهرداری‌ها برای کاهش ردپای کربن، افزایش ایمنی عمومی و بهبود کیفیت زندگی، درک روندهای تحرک عابران پیاده حیاتی شده است. روش‌های سنتی ردیابی حرکت عابران پیاده - مانند نظرسنجی‌های دستی و داده‌های محدود سنسور - دیگر برای پاسخگویی به نیازهای محیط‌های شهری پویا کافی نیستند. وارد شوید دوربین‌های مجهز به هوش مصنوعی: ابزارهای پیشرفته‌ای که نحوه جمع‌آوری، تجزیه و تحلیل و اقدام ما بر روی داده‌های تحرک عابران پیاده را متحول می‌کنند. در این مقاله، بررسی می‌کنیم که چگونه دوربین‌های هوش مصنوعی در حال بازتعریف ردیابی روند عابران پیاده، کاربردهای نوآورانه آنها در شهرهای جهانی، پیشرفت‌های فنی که آنها را مؤثرتر می‌کند و چارچوب‌های اخلاقی که استفاده مسئولانه را تضمین می‌کند، هستند.

فراتر از شمارش: تکامل ردیابی عابر پیاده با هوش مصنوعی

روزهایی که نظارت بر عابران پیاده محدود به شمارش‌های اولیه بود، سپری شده است. دوربین‌های هوش مصنوعی مدرن، بینایی کامپیوتری، الگوریتم‌های یادگیری ماشین و محاسبات لبه‌ای را برای ارائه بینش‌های دقیق در مورد رفتار عابران پیاده ادغام می‌کنند. برخلاف سیستم‌های نظارتی سنتی، این راه‌حل‌های مبتنی بر هوش مصنوعی نه تنها تعداد عابران پیاده، بلکه مسیرها، سرعت، پویایی گروهی و حتی قصد آن‌ها را نیز شناسایی می‌کنند - و بین افرادی که عجله دارند سر کار بروند، گردشگرانی که در حال کاوش یک میدان هستند و خانواده‌هایی که به آرامی در حال قدم زدن در یک پارک هستند، تمایز قائل می‌شوند.

در قلب این قابلیت، الگوریتم‌های پیشرفته‌ای مانند YOLOv7 (You Only Look Once) برای تشخیص اشیاء در زمان واقعی و SORT (Simple Online and Realtime Tracking) برای حفظ شناسایی مداوم افراد در فریم‌های دوربین قرار دارند. این فناوری‌ها با هم کار می‌کنند تا فیدهای ویدئویی را به صورت محلی (از طریق محاسبات لبه) یا در ابر پردازش کنند و متادیتای قابل اقدام را بدون نیاز به ذخیره فیلم خام حجیم تولید کنند. این کارایی برای شهرها یک تغییر دهنده بازی است و امکان نظارت مداوم را بدون غرق شدن منابع ذخیره‌سازی داده یا پهنای باند فراهم می‌کند.

یک تمایز کلیدی بین دوربین‌های هوش مصنوعی و روش‌های ردیابی سنتی، توانایی آن‌ها در سازگاری با محیط‌های پیچیده است. آن‌ها می‌توانند در شرایط کم‌نور، جمعیت زیاد و آب‌وهوای متغیر به‌طور مؤثر عمل کنند - چالش‌هایی که اغلب سیستم‌های دستی یا مبتنی بر سنسور پایه را مختل می‌کنند. به عنوان مثال، سنسور تصویر IMX500 سونی، مجهز به پردازش هوش مصنوعی داخلی، می‌تواند عابران پیاده را تشخیص داده و داده‌های حرکتی را در زمان واقعی استخراج کند، در حالی که به‌طور مستقل از منابع تغذیه خارجی عمل می‌کند و این امر آن را برای مناطق شهری دورافتاده یا صعب‌الوصول ایده‌آل می‌سازد.

مطالعات موردی جهانی: دوربین‌های هوش مصنوعی شکل‌دهنده به تحرک شهری

شهرها در قاره‌های مختلف در حال حاضر از دوربین‌های هوش مصنوعی برای تحول در برنامه‌ریزی تحرک عابران پیاده استفاده می‌کنند. از بهینه‌سازی فضاهای عمومی تا افزایش ایمنی ترافیک، این کاربردهای واقعی ارزش عملی این فناوری را نشان می‌دهند.

1. میلان: بازتصور فضاهای عمومی با بینش‌های رفتار عابران پیاده

در میدان نمادین دوموی میلان، محققان از تحلیل ویدئویی هوش مصنوعی برای تجزیه و تحلیل الگوهای عابران پیاده و اطلاع‌رسانی به پروژه‌های احیای فضاهای عمومی استفاده کردند. این تیم دوربین‌های هوش مصنوعی مجهز به مدل‌های تشخیص و ردیابی اشیاء را برای جمع‌آوری داده‌های مربوط به تراکم، سرعت و مسیرهای عابران پیاده مستقر کردند. با طبقه‌بندی عابران پیاده به پروفایل‌های متمایز - مسافران، گردشگران، افراد مجرد و گروه‌ها - شهر بینش‌های مبتنی بر شواهد را برای بازطراحی میدان به منظور بهبود جریان و قابلیت استفاده به دست آورد. نتیجه؟ فضایی دوست‌داشتنی‌تر برای عابران پیاده که نیازهای متنوع را برآورده می‌کند و در عین حال شخصیت تاریخی خود را حفظ می‌کند. این رویکرد نشان می‌دهد که چگونه داده‌های تحرک حاصل از هوش مصنوعی می‌توانند برنامه‌ریزی شهری را از حدس و گمان به تصمیم‌گیری مبتنی بر داده سوق دهند.

۲. نیویورک و فلوریدا: کاهش تلفات ترافیکی از طریق هوش مصنوعی ایمنی عابران پیاده

ابتکار "ویژن زیرو" (Vision Zero) با هدف حذف مرگ و میر ناشی از تصادفات رانندگی، متحد قدرتمندی در دوربین‌های هوش مصنوعی یافته است. شرکت‌هایی مانند "استاپ فور کیدز" (Stop for Kids) سیستم‌های مبتنی بر هوش مصنوعی را در تقاطع‌های نیویورک و فلوریدا مستقر کرده‌اند تا رفتار رانندگان را رصد کرده و قوانین ترافیکی را که از عابران پیاده محافظت می‌کنند، اجرا نمایند. این دوربین‌ها "توقف‌های ناقص" (rolling stops)، سرعت غیرمجاز و عدم رعایت حق تقدم را که نیمی از کل تصادفات رانندگی را تشکیل می‌دهند، تشخیص می‌دهند. این فناوری از هوش مصنوعی برای ترسیم کادرهای مرزی دیجیتال در اطراف وسایل نقلیه استفاده می‌کند و حرکات آن‌ها را بدون ثبت فعالیت چهره یا داخل خودرو ردیابی می‌نماید. در یک دوره آزمایشی ۹۰ روزه در "سادل راک" (Saddle Rock) لانگ آیلند، رعایت علائم توقف از تنها ۳ درصد به ۸۴ درصد افزایش یافت و امروز به ۹۴ درصد رسیده است. این دوربین‌های هوش مصنوعی با بازدارندگی از رانندگی خطرناک، گذرگاه‌های عابر پیاده را برای عابران امن‌تر کرده و در عین حال اهداف "ویژن زیرو" را پیش می‌برند.

۳. رم: ایجاد تعادل بین کارایی تحرک و حفاظت از حریم خصوصی

همکاری رم با سونی و انویژن نشان می‌دهد که چگونه دوربین‌های هوش مصنوعی می‌توانند تحرک را بهینه کنند و در عین حال حریم خصوصی را در اولویت قرار دهند. این شهر از سنسورهای هوش مصنوعی (با قدرت IMX500 سونی) برای نظارت بر گذرگاه‌های عابر پیاده، جریان مسافران اتوبوس و فضاهای پارک موجود استفاده کرد. یک نوآوری کلیدی در اینجا توانایی سنسورها در پردازش داده‌ها به صورت محلی است که فراداده‌های بی‌درنگ (مانند حضور عابر پیاده، در دسترس بودن پارکینگ) را بدون ذخیره تصاویر یا انتقال داده‌های شخصی استخراج می‌کند. این رویکرد "حریم خصوصی در طراحی" انطباق با مقررات سختگیرانه را تضمین می‌کند و در عین حال مزایای ملموسی را ارائه می‌دهد: کاهش تراکم ناشی از دور زدن خودروها، بهینه‌سازی مسیرهای اتوبوس بر اساس تعداد مسافران و افزایش ایمنی عابران پیاده از طریق هشدارهای هوشمند نورپردازی برای رانندگان. برای عابران پیاده، این به معنای کاهش زمان انتظار برای اتوبوس‌ها و عبور ایمن‌تر است - همه اینها بدون به خطر انداختن حریم خصوصی.

۴. سن خوزه: حفاظت از عابران پیاده آسیب‌پذیر از طریق تشخیص شبانه

سن خوزه، کالیفرنیا، از سنسورهای بینایی هوش مصنوعی سونی برای رسیدگی به یک مشکل حیاتی استفاده می‌کند: مرگ عابران پیاده در میان افراد بی‌خانمان در شب. این شهر دوربین‌های هوش مصنوعی خورشیدی را در تقاطع‌های کلیدی نصب کرده است تا عابران پیاده را در شرایط دید کم تشخیص دهد. در حالی که این فناوری هنوز در مرحله آزمایشی است، داده‌های ارزشمندی در مورد حجم ترافیک و سرعت وسایل نقلیه ارائه کرده است که شهر از آنها برای شناسایی مناطقی که نیاز به نورپردازی خیابان، گذرگاه عابر پیاده یا علائم اضافی دارند، استفاده می‌کند. این کاربرد هدفمند نشان می‌دهد که چگونه دوربین‌های هوش مصنوعی می‌توانند برای محافظت از جمعیت‌های آسیب‌پذیر سفارشی شوند و اطمینان حاصل شود که برنامه‌ریزی تحرک شهری فراگیر است.

پیشرفت‌های فنی: چه چیزی دوربین‌های هوش مصنوعی مدرن را اینقدر مؤثر می‌کند؟

موفقیت دوربین‌های هوش مصنوعی در ردیابی تحرک عابران پیاده ناشی از چندین پیشرفت فنی کلیدی است که محدودیت‌های گذشته را برطرف می‌کند:

1. محاسبات لبه برای بینش‌های بی‌درنگ

سیستم‌های ردیابی هوش مصنوعی قبلی به محاسبات ابری وابسته بودند که تأخیر و محدودیت‌های پهنای باند را به همراه داشت. دوربین‌های هوش مصنوعی مدرن از محاسبات لبه استفاده می‌کنند و داده‌ها را مستقیماً بر روی دستگاه پردازش می‌کنند. این امکان تحلیل آنی را فراهم می‌کند که برای کاربردهایی مانند هشدارهای ایمنی ترافیک و سیگنال‌های متحرک عابر پیاده حیاتی است. محاسبات لبه همچنین نیاز به انتقال داده‌ها را کاهش می‌دهد، هزینه‌ها را پایین می‌آورد و با نگه‌داشتن اطلاعات حساس در محل، حریم خصوصی را افزایش می‌دهد.

2. شناسایی عابر پیاده با دقت بالا

سیستم‌های بازشناسایی مجدد عابر پیاده بین دوربین‌ها (Re-ID) به طور قابل توجهی بهبود یافته‌اند، به طوری که نرخ دقت در محیط‌های بدون مانع به 93.8% و حتی با وجود موانع به 75.6% می‌رسد. این سیستم‌ها می‌توانند عابران پیاده را در چندین فید دوربین ردیابی کرده و مسیرهای حرکتی کامل آن‌ها را در سراسر شهر بازسازی کنند. برای برنامه‌ریزان شهری، این به معنای دیدگاهی جامع از نحوه حرکت عابران پیاده بین محله‌ها، مراکز حمل و نقل عمومی و مناطق تجاری است.

3. تحلیل جمعیت هدف

مدل‌های پیشرفته هوش مصنوعی اکنون می‌توانند گروه‌های خاصی از عابران پیاده، مانند کودکان، والدین یا سالمندان را با تجزیه و تحلیل نسبت‌های بدن و الگوهای حرکتی شناسایی کنند. به عنوان مثال، در فضاهای تفریحی کودکان، از این فناوری برای مطالعه تعاملات بین کودکان و بزرگسالان استفاده شده است که به طراحی فضاهای بازی ایمن‌تر و جذاب‌تر کمک می‌کند. این سطح از جزئیات به شهرها اجازه می‌دهد تا راه‌حل‌های حمل و نقل را برای نیازهای منحصر به فرد جمعیت‌های مختلف سفارشی‌سازی کنند.

ملاحظات اخلاقی و انطباق با مقررات

مانند هر فناوری نظارتی، دوربین‌های هوش مصنوعی برای ردیابی عابران پیاده نگرانی‌های مهم اخلاقی و حریم خصوصی را ایجاد می‌کنند. برای اطمینان از استفاده مسئولانه، شهرها و ارائه‌دهندگان فناوری باید به چارچوب‌های نظارتی سختگیرانه و اصول اخلاقی پایبند باشند.

مقررات عمومی حفاظت از داده اتحادیه اروپا (GDPR) استانداردی جهانی برای حریم خصوصی داده‌ها تعیین می‌کند و "حداقل‌سازی داده‌ها" (جمع‌آوری فقط داده‌های ضروری) و شفافیت (اطلاع‌رسانی به افراد در مورد نحوه استفاده از داده‌هایشان) را الزامی می‌داند. فناوری‌هایی مانند سنسورهای هوش مصنوعی Rome با پردازش داده‌ها به صورت محلی و حذف اطلاعات غیرضروری در لحظه، با این اصول همسو هستند. به طور مشابه، سیستم‌های Stop for Kids ویژگی‌های چهره و فعالیت‌های داخل خودرو را محو می‌کنند و فقط بر حرکات خودرو و پلاک‌ها برای اهداف اجرایی تمرکز دارند.

یکی دیگر از ملاحظات کلیدی، اجتناب از "خزش مأموریت" (mission creep) است - یعنی گسترش استفاده از دوربین‌های هوش مصنوعی فراتر از هدف اصلی آن‌ها. نهادهای نظارتی، مانند NYCLU نیویورک، هشدار می‌دهند که سیستم‌هایی که در ابتدا برای ایمنی ترافیک مستقر شده‌اند، می‌توانند بدون اقدامات حفاظتی مناسب برای نظارت گسترده‌تر مورد استفاده مجدد قرار گیرند. برای کاهش این خطر، شهرها باید سیاست‌های روشنی را برای تعریف دوره‌های نگهداری داده‌ها، کنترل‌های دسترسی و موارد استفاده مجاز از داده‌های تحرک مشتق شده از هوش مصنوعی ایجاد کنند.

انصاف نیز حیاتی است. الگوریتم‌های هوش مصنوعی باید تحت آزمایش سوگیری قرار گیرند تا از تأثیر نامتناسب بر جوامع حاشیه‌ای جلوگیری شود. به عنوان مثال، دوربین‌ها باید در شرایط نوری متنوع به خوبی عمل کنند و عابران پیاده در تمام سنین، جنسیت‌ها و قومیت‌ها را به دقت تشخیص دهند. حسابرسی‌های منظم و ارزیابی‌های شخص ثالث می‌تواند به اطمینان از انصاف الگوریتمی کمک کند.

آینده ردیابی تحرک عابران پیاده با قدرت هوش مصنوعی

با نگاه به آینده، دوربین‌های هوش مصنوعی نقشی فزاینده و جدایی‌ناپذیر در ایجاد شهرهای پایدار و دوستدار عابر پیاده ایفا خواهند کرد. چندین روند در آستانه شکل‌دهی به تکامل این فناوری هستند:

• ادغام با اکوسیستم‌های شهر هوشمند: داده‌های تحرک هوش مصنوعی با داده‌های سیستم‌های حمل‌ونقل عمومی، برنامه‌های اشتراک دوچرخه و سنسورهای آب‌وهوا ترکیب خواهند شد تا پلتفرم‌های جامع تحرک شهری ایجاد شود. این ادغام امکان تنظیمات پویا را فراهم می‌کند، مانند مسیریابی حمل‌ونقل عمومی در زمان واقعی بر اساس تقاضای عابران پیاده یا سیگنال‌های ترافیکی تطبیقی که در ساعات اوج، عابران پیاده را در اولویت قرار می‌دهند.

• فناوری‌های حریم خصوصی پیشرفته: پیشرفت‌ها در یادگیری فدرال و رمزنگاری همومورفیک به دوربین‌های هوش مصنوعی اجازه می‌دهد تا داده‌ها را به صورت مشارکتی و بدون اشتراک‌گذاری اطلاعات خام تجزیه و تحلیل کنند و حفاظت از حریم خصوصی را بیشتر تقویت نمایند.

• برنامه‌ریزی فعالانه تحرک: مدل‌های هوش مصنوعی پیش‌بین از داده‌های تاریخی عابران پیاده برای پیش‌بینی روندها استفاده خواهند کرد و به شهرها کمک می‌کنند تا نقاط ازدحام را پیش‌بینی کرده و راه‌حل‌هایی را به طور فعال طراحی کنند. به عنوان مثال، یک شهر می‌تواند از تحلیل‌های پیش‌بینانه برای برنامه‌ریزی گذرگاه‌های عابر پیاده جدید یا عریض کردن پیاده‌روها قبل از تکمیل یک توسعه مسکونی جدید استفاده کند.

• کاربردهای متمرکز بر اقلیم: با تشویق استفاده از عابران پیاده و حمل و نقل عمومی، داده‌های تحرک مشتق شده از هوش مصنوعی به کاهش انتشار کربن شهری کمک خواهد کرد. شهرها می‌توانند از این داده‌ها برای شناسایی مناطقی که بهبود زیرساخت‌های عابر پیاده بیشترین تأثیر را در کاهش وابستگی به خودرو خواهد داشت، استفاده کنند.

نتیجه‌گیری: تحرک عابران پیاده مبتنی بر داده برای شهرهای بهتر

دوربین‌های هوش مصنوعی دیگر صرفاً ابزارهای نظارتی نیستند، بلکه ابزارهای ضروری برای ساخت شهرهایی پایدارتر، ایمن‌تر و فراگیرتر هستند. این فناوری‌ها با ارائه بینش‌های دقیق و لحظه‌ای در مورد روندهای حرکتی عابران پیاده، به برنامه‌ریزان شهری امکان می‌دهند تا تصمیمات آگاهانه‌ای اتخاذ کنند که اولویت را به انسان‌ها نسبت به خودروها می‌دهد. از میدان‌های بازطراحی شده میلان گرفته تا گذرگاه‌های عابر پیاده امن‌تر نیویورک، مطالعات موردی جهانی، مزایای ملموس ردیابی عابران پیاده با قدرت هوش مصنوعی را برجسته می‌کنند.

با این حال، تنها با استفاده مسئولانه می‌توان به پتانسیل کامل این فناوری دست یافت. با رعایت مقررات حریم خصوصی، رسیدگی به سوگیری‌های الگوریتمی و حفظ شفافیت، شهرها می‌توانند از دوربین‌های هوش مصنوعی برای ایجاد راه‌حل‌های حرکتی که به نفع همه ساکنان است، بهره‌مند شوند. با نگاهی به آینده، ادغام هوش مصنوعی با سیستم‌های حمل و نقل شهری به تعریف مجدد معنای زندگی در یک شهر دوستدار عابر پیاده ادامه خواهد داد - شهری که در آن تردد کارآمد، ایمن و پایدار است.

برای شهرهایی که این سفر را آغاز می‌کنند، کلید کار با اهداف روشن شروع کردن، درگیر کردن ذینفعان و اولویت‌بندی ملاحظات اخلاقی در هر مرحله است. با رویکرد صحیح، دوربین‌های هوش مصنوعی برای ردیابی تحرک عابران پیاده سنگ بنای شهرهای پایدار فردا خواهند بود.

جابجایی عابر پیاده، دوربین‌های مجهز به هوش مصنوعی، برنامه‌ریزی شهری، ردیابی عابر پیاده، فناوری شهر هوشمند

تماس

اطلاعات خود را وارد کنید و ما با شما تماس خواهیم گرفت.

درباره ما

محصولات

درباره ما

پشتیبانی

+8618520876676

+8613603070842

اخبار

leo@aiusbcam.com

vicky@aiusbcam.com

WeChat