Jó fél évvel ezelőtt számoltunk be például a pittsburgh-i RoadBotics által fejlesztett technológiáról, amely alkalmas rá, hogy azonosítsa és katalogizálja az útburkolat repedéseit vagy hiányosságait, ezzel kapcsolatban pedig egy olyan interfészen keresztül értesítse az illetékes hatóságokat, amely lehetővé teszi a hibákról készült felvételek részetes nagyítását is. Ehhez mindössze arra van szükség, hogy az önkormányzatok kamerával rendelkező okostelefonokat szereljenek az utakat ettől függetlenül is folyamatosan járó közlekedési eszközökre, mondjuk a kukásautókra.

A RoadBotics szerint az úthálózat vizsgálata a rómaiak óta ugyanúgy működik, csak az útfelügyelők ma már szekéren, hanem autónban ülve jegyzetelnek. Az új, lényegében automatizált megoldással azonban a nagy felbontású képek egyből mennek a felhőbe, ahol mesterséges intelligenciára épülő képfeldolgozással elkészítik és kiértékelik a megfelelő modelleket. Ezzel nagyjából 3 méteres útszakaszokat lehet a távolból vizsgálni, és a rendszeresen begyűjtött képek arra is lehetőséget adnak, hogy a felvételek automatizált összehasonlításával meghatározzák az állapotromlás ütemét.

Szinte ingyen van, és magától dolgozik

A Royal Melbourne Institute of Technology (RMIT) kutatói nemrég egy olyan program koncepciómodelljét készítették el, amely a közúti táblákat monitorozná a fentiekhez hasonló módon. A rendszer a Google térképszolgáltatásának felvételeit használva állapítja meg, hogy a jelzések közül melyik szorul cserére vagy javításra, egyelőre a stop- és elsőbbségadás táblákon betanított modellel. Ez a későbbiekben természetesen továbbfejleszthető a lokális hatóságok és közlekedési felügyeletek által meghatározott bármilyen hasonló információ feldolgozásához.

Az RMIT szerint az önkormányzatoknak (elvileg) nagy csomó pénzébe és idejébe kerül a táblák folyamatos ellenőrzése, ide értve a forgalmat szabályozó infrastruktúra elemeinek hely alapú rögzítését, ami egyébként a munkát végző embereket is szükségtelen kockázatoknak teszi ki. Az intézet kutatói szerint az új megoldás olyan olcsó és nyílt forrású eszközök alkalmazásával oldja meg ezt a problémát, amelyek felhasználásával egy teljesen automatizált rendszer építhető fel a feladatok elvégzésére – ráadásul az MI a hagyományos módszereknél hatékonyabban dolgozik.

Ez azt jeleti, hogy már a mostani próbaüzem során is 96 százalékos pontossággal azonosította a táblákat, és 98 százalékban határozta meg eredményesen az egyes táblák fajtáját. Fontos ismét megjegyezni, hogy a modell minderzt kétdimenziós Google Maps felvételek alapján teljesíti, mint ahogy az a fenti képen is látható. A kutatók ehhez azt is hozzátezsik, hogy a jelzőtáblákhoz rendelt GPS lokációs adatok az esetek jelentős részében legalább 10 métereseltérést mutattak a valódi helyzethez képest, ami ebben a műfajban értelemszerűen túl soknak számít.