Damos grande importância à proteção de dados e por isso utilizamos os dados que nos forneces com todo o cuidado. Pode tratar os dados que nos forneces no seu dashboard pessoal. Encontrará os nossos regulamentos completos sobre protecção de dados e esclarecimento dos seus direitos no nosso nota de privacidade. Ao utilizar o website e as suas ofertas e ao nevegar no mesmo, aceita os regulamentos do nosso aviso de privacidade e os termos e condições.
Caso de Uso
Indústria, inovação e infra-estruturas
Cidades e comunidades sustentáveis
O tráfego no distrito urbano era originalmente controlado com base em regimes de ciclo estático de semáforos desenvolvidos por engenheiros de tráfego. Estes regimes mudavam três vezes por dia a horas fixas e não respondiam às flutuações frequentes do tráfego com uma variação bastante grande. Esta ineficiência de controlo conduzia a perdas de tempo significativas para os condutores e a graves congestionamentos.
O nosso objetivo era implementar e aplicar um esquema de controlo flexível, baseado em técnicas de IA de ponta, que permitisse a monitorização do tráfego e o controlo dos semáforos em tempo real.
1. Implementámos um módulo de visão computacional que analisa os fluxos de vídeo das câmaras instaladas nos cruzamentos, reconhece e segue todos os veículos na região de visibilidade (80-100 metros) e extrai informações sobre as suas posições e velocidade em tempo real.
2. Implementámos uma infraestrutura para treinar agentes de aprendizagem por reforço, utilizando um simulador de tráfego calibrado com dados do mundo real obtidos a partir do módulo de visão computacional. A infraestrutura é, de um modo geral, suficiente para poder incorporar todas as fontes de dados de tráfego disponíveis (agora ou no futuro) e para treinar um agente ótimo que recomenda fases para os controladores de semáforos. Este agente é o núcleo do nosso módulo de recomendação.
3. Integrámos os nossos módulos de visão computacional e de recomendação no sistema central de gestão do tráfego do departamento de transportes de Moscovo e fornecemos recomendações para mudanças de fase em tempo real.
Os cidadãos podem comentar a situação do trânsito em cruzamentos específicos, utilizando uma plataforma em linha do serviço de trânsito.
Quer aprender mais sobre as lições partilhadas, detalhes financeiros e resultados?
EntrarTempo de planeamento: 0.5 - 1 anos
Tempo de implementação: 0.5 - 1 anos
CertaintyLab
CertaintyLab
Empresa de exploração de tráfego; Duma de Moscovo
Improving traffic management