Diamo molta importanza alla protezione dei dati e quindi utilizziamo i dati che ci fornisci con la massima cura. Puoi gestire i dati che ci fornisci nel tuo cruscotto personale. Troverai le nostre regole complete sulla protezione dei dati e il chiarimento dei tuoi diritti nella nostra avviso sulla privacy. Utilizzando il sito web e le sue offerte e navigando ulteriormente, accetti le regole del nostro avviso sulla privacy e i termini e le condizioni.
Caso d'uso
Industria, innovazione e infrastrutture
Città e comunità sostenibili
Il traffico nel quartiere urbano era originariamente controllato in base a regimi di ciclo statico dei semafori sviluppati dagli ingegneri del traffico. Questi regimi cambiavano tre volte al giorno a orari prestabiliti e non rispondevano alle frequenti fluttuazioni del traffico con una varianza piuttosto ampia. Questa inefficienza del controllo era responsabile di notevoli perdite di tempo per gli automobilisti e di gravi congestioni.
Il nostro obiettivo è stato quello di implementare e distribuire uno schema di controllo flessibile, basato su tecniche di intelligenza artificiale all'avanguardia, che permetta di monitorare il traffico in tempo reale e di controllare i semafori in tempo reale.
1. Abbiamo implementato un modulo di computer vision che analizza i flussi video delle telecamere installate agli incroci, riconosce e traccia tutti i veicoli nell'area di visibilità (80-100 metri) ed estrae informazioni sulla loro posizione e velocità in tempo reale.
2. Abbiamo implementato un'infrastruttura per l'addestramento degli agenti di apprendimento per rinforzo, utilizzando un simulatore di traffico calibrato con i dati del mondo reale ottenuti dal modulo di visione artificiale. L'infrastruttura è in grado di incorporare tutte le fonti di dati sul traffico disponibili (ora o in futuro) e di addestrare un agente ottimale che raccomanda le fasi per i controllori dei semafori. Questo agente è il cuore del nostro modulo di raccomandazione.
3. Abbiamo integrato i nostri moduli di computer vision e di raccomandazione nel sistema centrale di gestione del traffico del dipartimento dei trasporti di Mosca e forniamo raccomandazioni per il cambio di fase in tempo reale.
I cittadini possono commentare la situazione del traffico in determinati incroci, utilizzando una piattaforma online del dipartimento del traffico.
Vuoi saperne di più sulle lezioni apprese, sui dettagli finanziari e sui risultati?
AccediTempo di pianificazione: 0,5 - 1 anno
Tempo di implementazione: 0,5 - 1 anno
CertaintyLab
CertaintyLab
Società di gestione del traffico; Duma di Mosca
Improving traffic management