Tamil
பாதசாரி இயக்கப் போக்குகளைக் கண்காணிப்பதற்கான AI கேமராக்கள்: தரவுகளிலிருந்து நிலையான நகர்ப்புற எதிர்காலங்கள் வரை
01.31 துருக
உலகெங்கிலும் உள்ள நகரங்கள் நிலைத்தன்மையை நோக்கி ஒரு ஆழமான மாற்றத்தை சந்தித்து வருகின்றன, இதில் பாதசாரி-மையப்படுத்தப்பட்ட நகர்ப்புற திட்டமிடல் இந்த மாற்றத்தின் ஒரு மூலக்கல்லாக வெளிப்படுகிறது. அதிக எண்ணிக்கையிலான நகராட்சிகள் கார்பன் தடயங்களைக் குறைக்கவும், பொது பாதுகாப்பை மேம்படுத்தவும், வாழ்க்கைத் தரத்தை உயர்த்தவும் முயற்சிப்பதால், பாதசாரி இயக்கப் போக்குகளைப் புரிந்துகொள்வது முக்கியமாகிவிட்டது. பாதசாரி இயக்கத்தைக் கண்காணிப்பதற்கான பாரம்பரிய முறைகள் - கைமுறை ஆய்வுகள் மற்றும் வரையறுக்கப்பட்ட சென்சார் தரவு போன்றவை - மாறும் நகர்ப்புற சூழல்களின் தேவைகளைப் பூர்த்தி செய்ய இனி போதுமானதாக இல்லை. இதற்காகAI-இயங்கும் கேமராக்கள்: பாதசாரி இயக்கம் தரவை நாங்கள் எவ்வாறு சேகரிக்கிறோம், பகுப்பாய்வு செய்கிறோம் மற்றும் செயல்படுகிறோம் என்பதைப் புரட்சிகரமாக்கும் மேம்பட்ட கருவிகள். இந்த கட்டுரையில், AI கேமராக்கள் பாதசாரி போக்கு கண்காணிப்பை எவ்வாறு மறுவரையறை செய்கின்றன, உலகளாவிய நகரங்களில் அவற்றின் புதுமையான பயன்பாடுகள், அவற்றை மிகவும் பயனுள்ளதாக மாற்றும் தொழில்நுட்ப முன்னேற்றங்கள் மற்றும் பொறுப்பான பயன்பாட்டை உறுதிசெய்யும் நெறிமுறை கட்டமைப்புகள் ஆகியவற்றை நாங்கள் ஆராய்வோம்.
எண்ணிக்கையை அடுத்ததாக: AI-அடிப்படையிலான நடைபாதை கண்காணிப்பின் வளர்ச்சி
நடைபாதையில் கண்காணிப்பு என்பது வெறும் எண்ணிக்கையை மட்டும் கணக்கிடுவதோடு நின்றுவிட்ட காலம் போய்விட்டது. நவீன AI கேமராக்கள், கணினி பார்வை, இயந்திர கற்றல் வழிமுறைகள் மற்றும் எட்ஜ் கம்ப்யூட்டிங் ஆகியவற்றை ஒருங்கிணைத்து, பாதசாரிகளின் நடத்தையைப் பற்றிய நுணுக்கமான நுண்ணறிவுகளை வழங்குகின்றன. வழக்கமான கண்காணிப்பு அமைப்புகளைப் போலல்லாமல், இந்த AI-இயக்கப்படும் தீர்வுகள் பாதசாரிகளின் எண்ணிக்கையை மட்டுமல்லாமல், அவர்களின் பாதைகள், வேகம், குழு இயக்கவியல் மற்றும் நோக்கம் ஆகியவற்றையும் அடையாளம் காணும் - வேலைக்கு அவசரமாகச் செல்லும் பயணிகளுக்கும், ஒரு சதுக்கத்தை ஆராயும் சுற்றுலாப் பயணிகளுக்கும், பூங்காவில் நிதானமாக உலாவும் குடும்பங்களுக்கும் இடையே வேறுபடுத்தி அறியும்.
இந்தத் திறனின் மையத்தில் YOLOv7 (You Only Look Once) போன்ற மேம்பட்ட அல்காரிதம்கள் நிகழ்நேர பொருள் கண்டறிதலுக்கும், கேமரா பிரேம்களில் தனிநபர்களின் நிலையான அடையாளத்தைப் பராமரிக்க SORT (Simple Online and Realtime Tracking) க்கும் உள்ளன. இந்தத் தொழில்நுட்பங்கள் இணைந்து, வீடியோ ஃபீட்களை உள்ளூரில் (எட்ஜ் கம்ப்யூட்டிங் வழியாக) அல்லது கிளவுட்டில் செயலாக்குகின்றன, பெரிய அளவிலான மூல காட்சிகளைச் சேமிக்க வேண்டிய அவசியமின்றி செயல்படக்கூடிய மெட்டாடேட்டாவை உருவாக்குகின்றன. இந்தத் திறன் நகரங்களுக்கு ஒரு புரட்சிகரமான மாற்றமாகும், இது அதிகப்படியான தரவு சேமிப்பு அல்லது அலைவரிசை வளங்களைச் சுமையாக்காமல் தொடர்ச்சியான கண்காணிப்பை அனுமதிக்கிறது.
AI கேமராக்களுக்கும் பாரம்பரிய கண்காணிப்பு முறைகளுக்கும் இடையிலான முக்கிய வேறுபாடு, சிக்கலான சூழல்களுக்கு ஏற்ப மாற்றியமைக்கும் அவற்றின் திறனாகும். குறைந்த ஒளி, அதிக மக்கள் கூட்டம் மற்றும் மாறுபடும் வானிலை போன்ற சவாலான சூழ்நிலைகளிலும் அவை திறம்பட செயல்பட முடியும். இந்த சவால்கள் கைமுறையாக அல்லது அடிப்படை சென்சார் அடிப்படையிலான அமைப்புகளை பெரும்பாலும் தடுக்கின்றன. உதாரணமாக, சோனியின் IMX500 இமேஜ் சென்சார், ஆன்-போர்டு AI செயலாக்கத்துடன் பொருத்தப்பட்டுள்ளது, இது வெளிப்புற மின் ஆதாரங்களில் இருந்து சுயாதீனமாக செயல்படும் போது, நடைபயிற்சி செய்பவர்களைக் கண்டறிந்து, மொபிலிட்டி தரவை நிகழ்நேரத்தில் பிரித்தெடுக்க முடியும். இது தொலைதூர அல்லது அணுக கடினமான நகர்ப்புற பகுதிகளுக்கு ஏற்றதாக அமைகிறது.
உலகளாவிய வழக்குகள்: நகர மொபிலிட்டியை வடிவமைக்கும் AI கேமரா
பூமியின் பல்வேறு நகரங்கள் AI கேமராவுகளை பயன்படுத்தி நடைபாதை மொபிலிட்டி திட்டமிடலை மாற்றி அமைக்கின்றன. பொதுப் பகுதிகளை மேம்படுத்துதல் முதல் போக்குவரத்து பாதுகாப்பை அதிகரித்தல் வரை, இந்த உண்மையான உலக பயன்பாடுகள் தொழில்நுட்பத்தின் நடைமுறை மதிப்பை காட்டுகின்றன.
1. மிலான்: நடைபாதை நடத்தை உள்ளடக்கங்களுடன் பொதுப் பகுதிகளை மறுபரிசீலனை செய்தல்
மிலனின் சின்னமான டுவோமோ சதுக்கத்தில், பொது இடங்களை மேம்படுத்தும் திட்டங்களுக்கு உதவும் வகையில், பாதசாரிகளின் நடமாட்டத்தை பகுப்பாய்வு செய்ய செயற்கை நுண்ணறிவு (AI) வீடியோ பகுப்பாய்வு பயன்படுத்தப்பட்டது. பாதசாரிகளின் அடர்த்தி, வேகம் மற்றும் பாதைகள் குறித்த தரவுகளை சேகரிக்க, பொருள் கண்டறிதல் மற்றும் கண்காணிப்பு மாதிரிகளுடன் கூடிய AI கேமராக்களை குழுவினர் பயன்படுத்தினர். பாதசாரிகளை பயணிகள், சுற்றுலாப் பயணிகள், தனிநபர்கள் மற்றும் குழுக்கள் என தனித்தனி வகைகளாகப் பிரிப்பதன் மூலம், சதுக்கத்தை சிறந்த ஓட்டம் மற்றும் பயன்பாட்டிற்காக மறுவடிவமைப்பு செய்ய நகரத்திற்கு ஆதார அடிப்படையிலான நுண்ணறிவுகள் கிடைத்தன. இதன் விளைவாக? அதன் வரலாற்று தன்மையை பாதுகாக்கும் அதே வேளையில், பல்வேறு தேவைகளை பூர்த்தி செய்யும், பாதசாரிகளுக்கு உகந்த ஒரு இடம் உருவானது. இந்த அணுகுமுறை, நகர்ப்புற திட்டமிடலை யூகங்களுக்கு அப்பாற்பட்டு, தரவு சார்ந்த முடிவெடுக்கும் நிலைக்கு கொண்டு செல்ல, AI-யிலிருந்து பெறப்பட்ட நகர்வு தரவுகள் எவ்வாறு உதவும் என்பதை எடுத்துக்காட்டுகிறது.
2. நியூயார்க் & புளோரிடா: பாதசாரி பாதுகாப்பு AI மூலம் போக்குவரத்து உயிரிழப்புகளைக் குறைத்தல்
போக்குவரத்து மரணங்களை ஒழிப்பதை நோக்கமாகக் கொண்ட விஷன் ஜீரோ (Vision Zero) முயற்சிக்கு, AI கேமராக்கள் ஒரு சக்திவாய்ந்த கூட்டாளியாக மாறியுள்ளன. ஸ்டாப் ஃபார் கிட்ஸ் (Stop for Kids) போன்ற நிறுவனங்கள், நியூயார்க் மற்றும் புளோரிடாவில் உள்ள சந்திப்புகளில் AI-இயக்கப்படும் அமைப்புகளைப் பயன்படுத்தி, ஓட்டுநர் நடத்தைகளைக் கண்காணித்து, பாதசாரிகளைப் பாதுகாக்கும் போக்குவரத்து விதிகளை அமல்படுத்துகின்றன. இந்த கேமராக்கள் "ரோலிங் ஸ்டாப்ஸ்" (rolling stops), அதிவேகம் மற்றும் வழிவிடத் தவறுதல் போன்ற, அனைத்து போக்குவரத்து விபத்துக்களில் பாதிக்குக் காரணமான மீறல்களைக் கண்டறிகின்றன. இந்தத் தொழில்நுட்பம், வாகனங்களைச் சுற்றி டிஜிட்டல் பவுண்டிங் பாக்ஸ்களை (bounding boxes) வரைய AI-ஐப் பயன்படுத்துகிறது, முக அல்லது வாகனத்திற்குள் நடக்கும் செயல்பாடுகளைப் படம்பிடிக்காமல் அவற்றின் இயக்கங்களைக் கண்காணிக்கிறது. லாங் ஐலேண்டின் சேடில் ராக் (Saddle Rock) பகுதியில் 90 நாள் சோதனையில், ஸ்டாப் சைன்களுக்கு (stop signs) இணங்குவது வெறும் 3% இலிருந்து 84% ஆக உயர்ந்தது, இன்று 94% ஆக உள்ளது. ஆபத்தான ஓட்டுதலைத் தடுப்பதன் மூலம், இந்த AI கேமராக்கள் பாதசாரிகளுக்கு கிராஸ்வாக்குகளை (crosswalks) பாதுகாப்பானதாக ஆக்குகின்றன, அதே நேரத்தில் விஷன் ஜீரோ இலக்குகளை முன்னேற்றுகின்றன.
3. ரோம்: நகர்வுத் திறனை தனியுரிமைப் பாதுகாப்போடு சமநிலைப்படுத்துதல்
ரோமின் சோனி மற்றும் என்விஷன் உடனான ஒத்துழைப்பு, தனியுரிமைக்கு முன்னுரிமை அளிக்கும் அதே வேளையில், செயற்கை நுண்ணறிவு கேமராக்கள் எவ்வாறு போக்குவரத்தை மேம்படுத்த முடியும் என்பதைக் காட்டுகிறது. இந்த நகரம் பாதசாரிகள் கடக்கும் இடங்கள், பேருந்து பயணிகளின் ஓட்டம் மற்றும் கிடைக்கும் வாகன நிறுத்துமிடங்கள் ஆகியவற்றைக் கண்காணிக்க செயற்கை நுண்ணறிவு சென்சார்களை (சோனியின் IMX500 மூலம் இயக்கப்படுகிறது) பயன்படுத்தியது. இங்குள்ள ஒரு முக்கிய கண்டுபிடிப்பு என்னவென்றால், சென்சார்கள் தரவை உள்ளூரிலேயே செயலாக்கும் திறன் கொண்டவை, படங்கள் சேமிக்கப்படாமலோ அல்லது தனிப்பட்ட தரவு அனுப்பப்படாமலோ நிகழ்நேர மெட்டாடேட்டாவை (எ.கா., பாதசாரிகளின் இருப்பு, வாகன நிறுத்துமிடத்தின் கிடைக்கும் தன்மை) பிரித்தெடுக்கின்றன. இந்த "தனியுரிமை-வடிவமைப்பு" அணுகுமுறை கடுமையான விதிமுறைகளுக்கு இணங்குவதை உறுதிசெய்கிறது, அதே நேரத்தில் உறுதியான நன்மைகளை வழங்குகிறது: சுற்றிவரும் கார்களால் ஏற்படும் நெரிசல் குறைப்பு, பயணிகளின் எண்ணிக்கையின் அடிப்படையில் மேம்படுத்தப்பட்ட பேருந்து வழித்தடங்கள் மற்றும் ஸ்மார்ட் விளக்கு எச்சரிக்கைகள் மூலம் பாதசாரிகளின் பாதுகாப்பு மேம்பாடு. பாதசாரிகளுக்கு, இது தனியுரிமையை சமரசம் செய்யாமல், பேருந்துகளுக்காக காத்திருக்கும் நேரம் குறைவதையும், பாதுகாப்பான கடப்புகளையும் குறிக்கிறது.
4. சான் ஜோஸ்: இரவு நேரக் கண்டறிதல் மூலம் பாதிக்கப்படக்கூடிய பாதசாரிகளைப் பாதுகாத்தல்
சான் ஜோஸ், கலிபோர்னியா, இரவில் வீடற்ற நபர்களிடையே ஏற்படும் பாதசாரி மரணங்கள் என்ற முக்கியப் பிரச்சனையைத் தீர்க்க சோனியின் AI பார்வை சென்சார்களைப் பயன்படுத்துகிறது. குறைந்த வெளிச்சம் உள்ள சூழ்நிலைகளில் பாதசாரிகளைக் கண்டறிய, இந்த நகரம் முக்கிய சந்திப்புகளில் சூரிய சக்தியில் இயங்கும் AI கேமராக்களை நிறுவியுள்ளது. இது இன்னும் சோதனை கட்டத்தில் இருந்தாலும், இந்த தொழில்நுட்பம் ஏற்கனவே போக்குவரத்து அளவு மற்றும் வாகன வேகங்கள் குறித்த மதிப்புமிக்க தரவுகளை வழங்கியுள்ளது. இந்தத் தரவுகளைப் பயன்படுத்தி, கூடுதல் தெரு விளக்குகள், பாதசாரிகள் கடக்கும் இடங்கள் அல்லது அடையாளங்கள் தேவைப்படும் பகுதிகளை நகரம் கண்டறிந்து வருகிறது. நகர்ப்புற போக்குவரத்து திட்டமிடல் அனைவரையும் உள்ளடக்கியதாக இருப்பதை உறுதிசெய்து, பாதிக்கப்படக்கூடிய மக்களைப் பாதுகாக்க AI கேமராக்களை எவ்வாறு தனிப்பயனாக்கலாம் என்பதை இந்த குறிப்பிட்ட பயன்பாடு காட்டுகிறது.
தொழில்நுட்ப முன்னேற்றங்கள்: நவீன AI கேமராக்களை இவ்வளவு பயனுள்ளதாக மாற்றுவது எது?
பாதசாரி இயக்கத்தைக் கண்காணிப்பதில் AI கேமராக்களின் வெற்றி, கடந்தகால வரம்புகளை நிவர்த்தி செய்யும் பல முக்கிய தொழில்நுட்ப முன்னேற்றங்களிலிருந்து உருவாகிறது:
1. நிகழ்நேர நுண்ணறிவுகளுக்கான எட்ஜ் கம்ப்யூட்டிங்
முந்தைய AI கண்காணிப்பு அமைப்புகள் மேக கணினியைக் கொண்டிருந்தன, இது தாமதம் மற்றும் பாண்ட்விட்த் கட்டுப்பாடுகளை அறிமுகப்படுத்தியது. நவீன AI கேமரா எட்ஜ் கணினியைப் பயன்படுத்துகின்றன, சாதனத்தில் நேரடியாக தரவுகளை செயலாக்குகின்றன. இது நேர்முகமாக பகுப்பாய்வு செய்ய அனுமதிக்கிறது - போக்குவரத்து பாதுகாப்பு எச்சரிக்கைகள் மற்றும் இயக்கக்கூடிய கடவுச்சீட்டு சிக்னல்களுக்கு முக்கியமானது. எட்ஜ் கணினி தரவுப் பரிமாற்ற தேவைகளை குறைக்கிறது, செலவுகளை குறைத்து, உண்மையான தகவல்களை உள்ளூர் வைத்திருப்பதன் மூலம் தனியுரிமையை மேம்படுத்துகிறது.
2. உயர்தர நடைபாதை அடையாளம் காணுதல்
பல கேமராக்களில் பாதசாரிகளை மீண்டும் அடையாளம் காணும் (Re-ID) அமைப்புகள் கணிசமாக மேம்பட்டுள்ளன. தடையில்லாத சூழல்களில் 93.8% துல்லியத்தையும், தடைகள் இருக்கும்போதும் 75.6% துல்லியத்தையும் எட்டியுள்ளன. இந்த அமைப்புகள் பல கேமரா காட்சிகளில் பாதசாரிகளைக் கண்காணிக்கவும், நகரத்தின் வழியாக அவர்களின் முழுமையான இயக்கப் பாதைகளை மீண்டும் உருவாக்கவும் முடியும். நகர்ப்புற திட்டமிடுபவர்களுக்கு, இது அக்கம்பக்கங்கள், பொது போக்குவரத்து மையங்கள் மற்றும் வணிகப் பகுதிகளுக்கு இடையே பாதசாரிகள் எவ்வாறு நகர்கிறார்கள் என்பதைப் பற்றிய ஒரு முழுமையான பார்வையை அளிக்கிறது.
3. இலக்கு மக்கள் தொகை பகுப்பாய்வு
மேம்பட்ட AI மாதிரிகள் இப்போது உடல் விகிதாச்சாரங்கள் மற்றும் இயக்க முறைகளை பகுப்பாய்வு செய்வதன் மூலம் குழந்தைகள், பெற்றோர்கள் அல்லது முதியவர்கள் போன்ற குறிப்பிட்ட பாதசாரி குழுக்களை அடையாளம் காண முடியும். உதாரணமாக, குழந்தைகளின் பொழுதுபோக்கு இடங்களில், குழந்தைகள் மற்றும் பெரியவர்களுக்கு இடையிலான தொடர்புகளைப் படிக்க இந்த தொழில்நுட்பம் பயன்படுத்தப்பட்டுள்ளது, இது பாதுகாப்பான, மேலும் ஈர்க்கக்கூடிய விளையாட்டுப் பகுதிகளை வடிவமைக்க உதவுகிறது. இந்த அளவிலான நுணுக்கம், வெவ்வேறு மக்கள் தொகையின் தனிப்பட்ட தேவைகளுக்கு ஏற்ப நகரங்கள் இயக்க தீர்வுகளை வடிவமைக்க அனுமதிக்கிறது.
நெறிமுறை பரிசீலனைகள் & ஒழுங்குமுறை இணக்கம்
எந்தவொரு கண்காணிப்பு தொழில்நுட்பத்தைப் போலவே, பாதசாரிகளைக் கண்காணிக்கும் AI கேமராக்கள் முக்கியமான நெறிமுறை மற்றும் தனியுரிமைக் கவலைகளை எழுப்புகின்றன. பொறுப்பான பயன்பாட்டை உறுதிசெய்ய, நகரங்களும் தொழில்நுட்ப வழங்குநர்களும் கடுமையான ஒழுங்குமுறை கட்டமைப்புகள் மற்றும் நெறிமுறை கோட்பாடுகளைப் பின்பற்ற வேண்டும்.
ஐரோப்பிய ஒன்றியத்தின் பொது தரவு பாதுகாப்பு ஒழுங்குமுறை (GDPR) தரவு தனியுரிமைக்கான உலகளாவிய தரத்தை நிர்ணயிக்கிறது. இது "தரவு குறைப்பு" (தேவையான தரவை மட்டும் சேகரித்தல்) மற்றும் வெளிப்படைத்தன்மை (தனிநபர்களுக்கு அவர்களின் தரவு எவ்வாறு பயன்படுத்தப்படுகிறது என்பதைத் தெரிவித்தல்) ஆகியவற்றை கட்டாயமாக்குகிறது. ரோம் நகரின் AI சென்சார்கள் போன்ற தொழில்நுட்பங்கள், தரவை உள்ளூரிலேயே செயலாக்குவதன் மூலமும், அத்தியாவசியமற்ற தகவல்களை நிகழ்நேரத்தில் நீக்குவதன் மூலமும் இந்த கொள்கைகளுடன் ஒத்துப்போகின்றன. இதேபோல், ஸ்டாப் ஃபார் கிட்ஸ் அமைப்புகள், வாகன இயக்கங்கள் மற்றும் உரிமத் தகடுகளை மட்டுமே அமலாக்க நோக்கங்களுக்காக மையப்படுத்தி, முக அம்சங்களையும் வாகனத்திற்குள் நடக்கும் செயல்பாடுகளையும் மங்கலாக்குகின்றன.
மற்றொரு முக்கிய பரிசீலனை "நோக்க விரிவாக்கத்தைத்" தவிர்ப்பது - AI கேமராக்களின் பயன்பாட்டை அவற்றின் அசல் நோக்கத்திற்கு அப்பால் விரிவுபடுத்துவது. நியூயார்க்கின் NYCLU போன்ற மேற்பார்வை அமைப்புகள், போக்குவரத்துப் பாதுகாப்பிற்காக முதலில் பயன்படுத்தப்பட்ட அமைப்புகள் முறையான பாதுகாப்பு நடவடிக்கைகள் இல்லாமல் பரந்த கண்காணிப்பிற்காக மறுபயன்பாடு செய்யப்படலாம் என்று எச்சரிக்கின்றன. இந்த அபாயத்தைக் குறைக்க, நகரங்கள் தரவு தக்கவைப்பு காலங்கள், அணுகல் கட்டுப்பாடுகள் மற்றும் AI-உருவாக்கப்பட்ட மொபிலிட்டி தரவின் அனுமதிக்கப்பட்ட பயன்பாடுகளை வரையறுக்கும் தெளிவான கொள்கைகளை நிறுவ வேண்டும்.
நியாயமும் மிக முக்கியமானது. AI அல்காரிதம்கள் பாரபட்ச சோதனைகளுக்கு உட்படுத்தப்பட வேண்டும், இதனால் விளிம்புநிலை சமூகங்களை விகிதாசாரமாக பாதிக்காமல் தவிர்க்கலாம். உதாரணமாக, கேமராக்கள் பல்வேறு ஒளி நிலைகளில் சமமாக செயல்பட வேண்டும் மற்றும் அனைத்து வயது, பாலினம் மற்றும் இனங்களைச் சேர்ந்த பாதசாரிகளை துல்லியமாக அடையாளம் காண வேண்டும். வழக்கமான தணிக்கைகள் மற்றும் மூன்றாம் தரப்பு மதிப்பீடுகள் அல்காரிதமிக் நியாயத்தை உறுதிப்படுத்த உதவும்.
AI-ஆல் இயக்கப்படும் பாதசாரி இயக்கம் கண்காணிப்பின் எதிர்காலம்
எதிர்காலத்தைப் பார்க்கும்போது, நிலையான, பாதசாரி-நட்பு நகரங்களை உருவாக்குவதில் AI கேமராக்கள் பெருகிய முறையில் ஒருங்கிணைந்த பங்கை வகிக்கும். தொழில்நுட்பத்தின் பரிணாமத்தை வடிவமைக்க பல போக்குகள் தயாராக உள்ளன:
• ஸ்மார்ட் சிட்டி சூழல்களுடன் ஒருங்கிணைப்பு: AI மொபிலிட்டி தரவுகள் பொது போக்குவரத்து அமைப்புகள், பைக்-ஷேரிங் திட்டங்கள் மற்றும் வானிலை சென்சார்களில் இருந்து வரும் தரவுகளுடன் இணைக்கப்பட்டு விரிவான நகர்ப்புற மொபிலிட்டி தளங்களை உருவாக்கும். இந்த ஒருங்கிணைப்பு, பாதசாரிகளின் தேவைக்கேற்ப நிகழ்நேர பொது போக்குவரத்து வழித்தடங்களை அமைத்தல் அல்லது உச்ச நேரங்களில் பாதசாரிகளுக்கு முன்னுரிமை அளிக்கும் வகையில் மாறும் போக்குவரத்து சிக்னல்களை அமைத்தல் போன்ற மாறும் சரிசெய்தல்களை செயல்படுத்தும்.
• மேம்பட்ட தனியுரிமை தொழில்நுட்பங்கள்: கூட்டாட்சி கற்றல் (federated learning) மற்றும் ஹோமோமார்பிக் என்க்ரிப்ஷன் (homomorphic encryption) ஆகியவற்றில் ஏற்படும் முன்னேற்றங்கள், AI கேமராக்கள் மூலத் தகவல்களைப் பகிராமல் தரவுகளை கூட்டாக பகுப்பாய்வு செய்ய அனுமதிக்கும், இது தனியுரிமை பாதுகாப்பை மேலும் வலுப்படுத்தும்.
• முன்கூட்டியே நகர்வு திட்டமிடல்: முந்தைய காலங்களில் நடந்த பாதசாரிகள் தரவுகளைப் பயன்படுத்தி, எதிர்காலப் போக்குகளைக் கணிக்க செயற்கை நுண்ணறிவு மாதிரிகள் பயன்படுத்தப்படும். இது நகரங்கள் நெரிசல் ஏற்படும் இடங்களைக் கண்டறிந்து, முன்கூட்டியே தீர்வுகளை வடிவமைக்க உதவும். உதாரணமாக, ஒரு புதிய குடியிருப்புப் பகுதி கட்டி முடிக்கப்படுவதற்கு முன்பே, புதிய பாதசாரிக் கடப்புகள் அல்லது அகலமான நடைபாதைகளைத் திட்டமிட, ஒரு நகரம் முன்கணிப்பு பகுப்பாய்வுகளைப் பயன்படுத்தலாம்.
• காலநிலை சார்ந்த பயன்பாடுகள்: பாதசாரிகள் மற்றும் பொதுப் போக்குவரத்தைப் பயன்படுத்துவதை ஊக்குவிப்பதன் மூலம், செயற்கை நுண்ணறிவு மூலம் பெறப்பட்ட நகர்வுத் தரவுகள் நகர்ப்புற கார்பன் உமிழ்வைக் குறைக்க உதவும். கார் பயன்பாட்டைக் குறைப்பதில் பாதசாரி உள்கட்டமைப்பை மேம்படுத்துவது மிகப்பெரிய தாக்கத்தை ஏற்படுத்தும் பகுதிகளைக் கண்டறிய நகரங்கள் இந்தத் தரவைப் பயன்படுத்தலாம்.
முடிவுரை: சிறந்த நகரங்களுக்கான தரவு சார்ந்த பாதசாரி நகர்வு
AI கேமராக்கள் இனி கண்காணிப்பு கருவிகள் மட்டுமல்ல - அவை மிகவும் நிலையான, பாதுகாப்பான மற்றும் அனைவரையும் உள்ளடக்கிய நகரங்களை உருவாக்குவதற்கான அத்தியாவசிய கருவிகளாகும். பாதசாரிகளின் நடமாட்டம் குறித்த விரிவான, நிகழ்நேர நுண்ணறிவுகளை வழங்குவதன் மூலம், இந்த தொழில்நுட்பங்கள் நகர்ப்புற திட்டமிடுபவர்களுக்கு கார்களை விட மக்களை முன்னுரிமைப்படுத்தும் தகவலறிந்த முடிவுகளை எடுக்க உதவுகின்றன. மிலனின் மறுவடிவமைக்கப்பட்ட சதுக்கங்கள் முதல் நியூயார்க்கின் பாதுகாப்பான குறுக்குவழிகள் வரை, உலகளாவிய வழக்கு ஆய்வுகள் AI-ஆல் இயக்கப்படும் பாதசாரி கண்காணிப்பின் உறுதியான நன்மைகளை எடுத்துக்காட்டுகின்றன.
இருப்பினும், இந்த தொழில்நுட்பத்தின் முழுமையான ஆற்றல் பொறுப்பான பயன்பாட்டின் மூலம் மட்டுமே உணர முடியும். தனியுரிமை விதிமுறைகளுக்கு இணங்குவதன் மூலமும், அல்காரிதமிக் சார்புகளை நிவர்த்தி செய்வதன் மூலமும், வெளிப்படைத்தன்மையை பராமரிப்பதன் மூலமும், நகரங்கள் அனைத்து குடியிருப்பாளர்களுக்கும் பயனளிக்கும் நடமாடும் தீர்வுகளை உருவாக்க AI கேமராக்களைப் பயன்படுத்தலாம். நாம் எதிர்காலத்தை நோக்கும்போது, நகர்ப்புற நடமாடும் அமைப்புகளுடன் AI-ஐ ஒருங்கிணைப்பது, பாதசாரிகளுக்கு உகந்த நகரத்தில் வாழ்வதன் அர்த்தத்தை தொடர்ந்து மறுவரையறை செய்யும் - அங்கு இயக்கம் திறமையானதாகவும், பாதுகாப்பானதாகவும், நிலையானதாகவும் இருக்கும்.
இந்த பயணத்தைத் தொடங்கும் நகரங்களுக்கு, தெளிவான இலக்குகளுடன் தொடங்குவது, பங்குதாரர்களை ஈடுபடுத்துவது மற்றும் ஒவ்வொரு படியிலும் நெறிமுறை பரிசீலனைகளுக்கு முன்னுரிமை அளிப்பது முக்கியமாகும். சரியான அணுகுமுறையுடன், பாதசாரி இயக்கம் கண்காணிப்புக்கான AI கேமராக்கள் நாளைய நிலையான நகரங்களின் மூலக்கல்லாக இருக்கும்.
தொடர்பு
உங்கள் தகவலை விட்டு நாங்கள் உங்களை தொடர்பு கொள்ளுவோம்.
WhatsApp
WeChat