NHAI ठेकेदारों पर स्वचालित जुर्माने के लिए 50,000 किमी सड़क नेटवर्क पर वीडियो निगरानी प्रणाली लागू कर रहा है
और पढ़ें
The times of India
timesofindia.indiatimes.com

NHAI ठेकेदारों पर स्वचालित जुर्माने के लिए 50,000 किमी सड़क नेटवर्क पर वीडियो निगरानी प्रणाली लागू कर रहा है

नेशनल हाईवे अथॉरिटी ऑफ इंडिया (NHAI) ने एक निगरानी प्रणाली लागू की है जो ठेकेदारों और NHAI कर्मचारियों द्वारा सड़क की सतह की खामियों, जैसे गड्ढे, फीकी पड़ चुकी मार्किंग, पहिया निशान और खराब रोशनी, के संबंध में कार्रवाई करने से बचने की संभावना को समाप्त करेगी, जो राष्ट्रीय राजमार्गों (NH) के हिस्सों पर एक आम समस्या बनी हुई है।

NHAI ने पट्रोलिंग वाहनों पर स्थापित वीडियो कैमरों का उपयोग करके 40 प्रकार की खामियों की साप्ताहिक निगरानी शुरू की है, जो लगभग 50,000 किलोमीटर के NH नेटवर्क को कवर करती है। NHAI के कर्मचारियों ने बताया कि डेटा एकत्र करने के अलावा, जिसमें सटीक स्थान और दृश्य प्रमाण शामिल हैं, यह जानकारी संबंधित ठेकेदारों को भेजी जाएगी जो विशिष्ट खंडों के लिए जिम्मेदार हैं।

NHAI के एक वरिष्ठ अधिकारी ने उल्लेख किया कि कैमरे केवल दो इंच के गड्ढों का भी पता लगा सकते हैं। वर्तमान में, निर्धारित समय सीमा के भीतर दोषों को ठीक करने में विफलता अनुबंध की शर्तों के अनुसार गणना किए गए जुर्माने को आकर्षित करती है। उन्होंने आगे कहा कि आने वाले महीनों में जुर्माना गणना पूरी तरह से स्वचालित हो जाएगी, और पिछले दो महीनों में ठेकेदारों और अधिकारियों को सूचित करने का काम चल रहा था।

यह प्रणाली NHAI के सभी परिचालन और रखरखाव वाले हिस्सों पर लागू होती है। यह महत्वपूर्ण है क्योंकि सड़क प्राधिकरण को कुछ सड़क खंडों की खराब स्थिति के कारण जनता की आलोचना का सामना करना पड़ा है। TOI द्वारा प्राप्त आंकड़ों के अनुसार, प्रणाली शुरू होने के दो महीनों में वीडियो कैमरों की रिकॉर्डिंग के माध्यम से 92,088 दोष पाए गए। इनमें से लगभग 23% फीकी पड़ी मार्किंग से संबंधित थे, और लगभग 15% गड्ढों से संबंधित थे। हालांकि 72% से अधिक दोषों को ठीक कर दिया गया है, लगभग 17% अभी भी लंबित हैं।

निर्धारित समय सीमा के अनुसार, ठेकेदारों के पास गड्ढों को भरने के लिए दो दिन, खराब हो चुकी रोशनी और कार्य क्षेत्रों में सुरक्षा समस्याओं की मरम्मत के लिए एक दिन, और अन्य चीजों सहित अनधिकृत छेदों को बंद करने के लिए सात दिन होते हैं। NHAI के एक अन्य कर्मचारी ने जोर देकर कहा कि चूंकि दोषों का विवरण सबूतों द्वारा समर्थित है, और प्रत्येक ठेकेदार और फील्ड अधिकारी इसे केंद्रीय सर्वर पर देख सकता है, इसलिए कोई विवाद नहीं होता है। उन्होंने यह भी उल्लेख किया कि सड़क ठेकेदार समझते हैं कि समय पर रखरखाव उनके बोझ को कम करता है। दोष केवल फोटो प्रमाणों के साथ समाधान विवरण अपलोड और सत्यापित होने के बाद ही बंद होते हैं।

TOI को पता चला है कि बाद के चरण में जनता भी विवरण देख सकेगी और अपनी प्रतिक्रिया दे सकेगी।

समान कहानियाँ

आईआईटी गुवाहाटी के शोधकर्ताओं ने भारत की सड़कों पर 36 हजार वाहनों की गति का मॉडल बनाने के लिए ड्रोन का उपयोग किया
और पढ़ें
thebetterindia.com

आईआईटी गुवाहाटी के शोधकर्ताओं ने भारत की सड़कों पर 36 हजार वाहनों की गति का मॉडल बनाने के लिए ड्रोन का उपयोग किया

भारत की सड़कों पर, जहां कारें, बसें, तिपहिया और दोपहिया वाहन अक्सर सीमित स्थान साझा करने के लिए मजबूर होते हैं, यातायात कुछ ही सेकंड में नाटकीय रूप से बदल सकता है। शहरी नियोजन विशेषज्ञों और सड़क यातायात इंजीनियरों के लिए इस गतिशीलता को समझना एक जटिल कार्य है, क्योंकि कई पारंपरिक मॉडल यह मानते हैं कि वाहन सख्ती से लेन का पालन करते हैं और अनुमानित गति बनाए रखते हैं, जो भारत की सड़कों पर शायद ही कभी सच होता है।

इंडियन इंस्टीट्यूट ऑफ टेक्नोलॉजी (IIT) गुवाहाटी के शोधकर्ता इस कमी को दूर करने पर काम कर रहे हैं। उन्होंने गणितीय मॉडल विकसित किए हैं जो भारत की सड़कों पर परिवहन के अप्रत्याशित व्यवहार को बेहतर ढंग से ध्यान में रखते हैं, जिसमें ड्रोन से प्राप्त वीडियो सामग्री, स्वचालित वाहन ट्रैकिंग और मशीन लर्निंग को जोड़ा गया है।

लगभग नौ मिलियन वाहनों की स्थिति को ट्रैक करना

प्रोफेसर अहीलेश कुमार मौर्य के नेतृत्व में सिविल इंजीनियरिंग विभाग की शोध टीम ने दिल्ली के बाहरी इलाके में एक आठ-लेन वाले विभाजित राजमार्ग पर यातायात की गति का अध्ययन किया। उच्च-रिज़ॉल्यूशन कैमरों से लैस ड्रोनों का उपयोग करके, उन्होंने 4K रिज़ॉल्यूशन में लगभग पांच घंटे के दिन के यातायात को रिकॉर्ड किया। इन वीडियो को फिर DataFromSky सॉफ़्टवेयर का उपयोग करके संसाधित किया गया, जो हवाई तस्वीरों से वाहनों की गतिविधियों को निकालता है।

परिणामस्वरूप, एक डेटासेट प्राप्त हुआ जिसमें 36,818 वाहन और 8,938,920 वाहन स्थिति डेटा बिंदु शामिल थे, जिन्हें प्रति सेकंड 10 फ्रेम की दर से कैप्चर किया गया था। शोधकर्ताओं ने वाहनों को छह श्रेणियों में विभाजित किया: दोपहिया, तिपहिया, कारें, बसें, भारी वाणिज्यिक वाहन और हल्के वाणिज्यिक वाहन। इसने विभिन्न प्रकार के परिवहन के चलने, एक दूसरे का कितनी करीब अनुसरण करने और यातायात घनत्व बढ़ने पर उनकी गति कैसे बदलने की विस्तृत तस्वीर प्रदान की।

प्रोफेसर मौर्य ने भारत-विशिष्ट डेटा के उपयोग की आवश्यकता पर जोर दिया, यह समझाते हुए कि 'भारत की सड़क की स्थितियाँ उन कई देशों की स्थितियों से अलग हैं जहां मौजूदा यातायात मॉडल विकसित किए गए थे। हमें ऐसे यातायात डेटा की आवश्यकता है जो भारतीय सड़कों की विविधता और विशिष्टताओं को दर्शाता हो।'

ड्रोन-आधारित डेटा संग्रह बड़ी संख्या में वाहनों और सड़क खंड पर उनकी गतिविधियों का उच्च स्थानिक और लौकिक विवरण के साथ अवलोकन करने की अनुमति देता है।

शोधकर्ताओं ने पाया कि वाहनों के बीच की दूरी यातायात घनत्व पर निर्भर करती थी। अपेक्षाकृत खाली सड़कों पर वाहन बड़े अंतराल बनाए रखते थे, लेकिन जैसे-जैसे यातायात बढ़ता था, ये अंतराल कम होते जाते थे। हालांकि, अत्यधिक भीड़भाड़ होने पर व्यवस्थाएँ फिर से बदल जाती थीं।

यह परिवर्तनशीलता महत्वपूर्ण है, क्योंकि समान दिखने वाली परिस्थितियों में चल रहे दो वाहन जरूरी नहीं कि एक ही गति से चलें। इन अंतरों को समझने के लिए, टीम ने ग्रीन्सफील्ड्स और अंडरवुड जैसे स्थापित दृष्टिकोणों सहित छह यातायात गणितीय मॉडल का परीक्षण किया। इसके अलावा, उन्होंने दो मशीन लर्निंग मॉडल को प्रशिक्षित किया: आर्टिफिशियल न्यूरल नेटवर्क्स (ANN) और रैंडम फॉरेस्ट (RF)।

सबसे दिलचस्प पहलू स्टोकेस्टिक मौलिक आरेखों का निर्माण था। सरल शब्दों में, पारंपरिक यातायात मॉडल आमतौर पर दी गई यातायात घनत्व के लिए एक गति का मूल्यांकन करते हैं। स्टोकेस्टिक मॉडल आगे बढ़कर गति की सीमा पर विचार करते हैं जिस गति से वाहन वास्तव में उन परिस्थितियों में चल सकते हैं। यह मॉडलों को व्यक्तिगत वाहनों के बीच के अंतरों को सुचारू करने के बजाय भारतीय यातायात की यादृच्छिकता का अधिक यथार्थवादी प्रतिनिधित्व करने की अनुमति देता है।

भविष्यवाणियों में सुधार से लेकर अधिक स्मार्ट सड़क योजना तक

शोधकर्ताओं ने पाया कि अंडरवुड मॉडल परीक्षण किए गए गणितीय मॉडलों में सबसे अधिक स्थिरता प्रदर्शित करता है, जिसने 0.86 का R² मान प्राप्त किया। दोनों मशीन लर्निंग मॉडल ने लगभग 0.83 दिखाया।

प्राप्त परिणाम राजमार्गों की क्षमता का आकलन करने, चौराहों के डिजाइन, सड़कों पर गति निर्धारित करने और यातायात मॉडलिंग में सुधार के लिए व्यावहारिक अनुप्रयोग पा सकते हैं। यह डेटा शोधकर्ताओं को कार फॉलोइंग मॉडल को कैलिब्रेट करने में भी मदद कर सकता है, जो अध्ययन करते हैं कि ड्राइवर सामने के वाहनों के संबंध में अपनी दूरी और गति को कैसे नियंत्रित करते हैं।

प्रोफेसर मौर्य ने टिप्पणी की: 'यातायात का विश्वसनीय प्रबंधन उन मॉडलों से शुरू होता है जो दर्शाते हैं कि भारत की सड़कों पर यातायात वास्तव में कैसा व्यवहार करता है। ड्रोन द्वारा प्राप्त उच्च-विस्तृत ट्रैजेक्टरी डेटा हमें विभिन्न प्रकार के वाहनों के बीच की परस्पर क्रिया और उस बड़ी परिवर्तनशीलता को दर्ज करने की अनुमति देता है जिसे पारंपरिक यातायात मॉडल अक्सर नजरअंदाज कर देते हैं।'

भारत-विशिष्ट ऐसे मॉडल यातायात के अधिक यथार्थवादी मॉडलिंग का समर्थन कर सकते हैं, सड़कों और चौराहों के डिजाइन में सुधार कर सकते हैं, भीड़भाड़ का प्रबंधन कर सकते हैं, क्षमता का आकलन कर सकते हैं और भारत की परिस्थितियों के अनुकूल बुद्धिमान यातायात प्रबंधन प्रणाली विकसित कर सकते हैं।

किसी भी व्यक्ति के लिए जो भारत में सड़क पर समय बिता चुका है, यातायात की भविष्यवाणी की जटिलता आसानी से समझ में आती है: कार धीमी हो जाती है, दोपहिया वाहन एक संकीर्ण अंतराल में आ जाता है, ऑटो रिक्शा लेन बदलता है, और सैकड़ों वाहनों की गति सेकंडों में बदल सकती है। इन इंटरैक्शन के विस्तृत दस्तावेजीकरण के साथ, आईआईटी गुवाहाटी की टीम यातायात मॉडल को यात्रियों द्वारा प्रतिदिन अनुभव की जाने वाली चीज़ों के अधिक अनुरूप बनाने की उम्मीद करती है। यह शोध न केवल इस बात को समझने की दिशा में एक कदम है कि कितने वाहन सड़क का उपयोग करते हैं, बल्कि यह भी कि वे एक दूसरे के सापेक्ष कैसे चलते हैं, जो अंततः दैनिक यात्रा को अधिक अनुमानित बनाने में मदद कर सकता है।

NHAI नई प्रणाली शुरू करता है: टोल प्लाजा पार करने के बाद बीमा स्थिति पर एसएमएस भेजा जाएगा
और पढ़ें
www.aajtak.in

NHAI नई प्रणाली शुरू करता है: टोल प्लाजा पार करने के बाद बीमा स्थिति पर एसएमएस भेजा जाएगा

टोल प्लाजा पार करने के बाद वाहन मालिकों को अपने वाहन के बीमा से संबंधित एक संदेश मोबाइल फोन पर प्राप्त हो सकता है। यह सुविधा भारतीय राष्ट्रीय राजमार्ग प्राधिकरण (NHAI) द्वारा शुरू की गई एक नई प्रणाली के हिस्से के रूप में पेश की गई है। यह प्रणाली मालिक को सूचित करेगी यदि उसकी तृतीय-पक्ष बीमा समाप्त हो गई है या यदि उसने बिल्कुल भी बीमा नहीं कराया है।

वर्तमान में, इस प्रणाली का पायलट प्रोजेक्ट दिल्ली के एक टोल प्लाजा पर शुरू हुआ है। योजना है कि भविष्य में इस प्रणाली को देश भर के सभी राष्ट्रीय राजमार्गों पर लागू किया जाएगा। TOI की रिपोर्ट के अनुसार, NHAI ने दिल्ली में अर्बन एक्सटेंशन रोड-II (UER-II) पर मुंडका टोल प्लाजा पर परीक्षण शुरू किया है, जहां सिस्टम की स्थिरता और कार्यक्षमता सुनिश्चित करने के लिए परीक्षण चल रहा है।

पूरी प्रक्रिया टोल प्लाजा और वाहन पोर्टल के बीच डेटा विनिमय पर आधारित है। जैसे ही कोई वाहन टोल प्लाजा से गुजरता है, उसकी जानकारी राष्ट्रीय सूचना विज्ञान केंद्र (NIC) के Vahan डेटाबेस में भेजी जाती है। फिर सिस्टम स्वचालित रूप से वाहन के बीमा की वैधता की जांच करता है।

यदि जांच से पता चलता है कि तृतीय-पक्ष बीमा समाप्त हो गया है या अनुपस्थित है, तो वाहन मालिक को तुरंत एसएमएस भेजा जाता है। इस संदेश में वाहन का पंजीकरण नंबर, टोल प्लाजा से गुजरने का समय और बीमा की वैधता की जानकारी दी जाती है। इसके अलावा, मालिक को बीमा नवीनीकृत करने की सलाह दी जाती है।

एक अधिकारी के अनुसार, यह संदेश समय पर बीमा कराने की आवश्यकता की याद दिलाता है ताकि मोटर वाहन अधिनियम के तहत जुर्माने से बचा जा सके। इस प्रकार, यह एक अनुस्मारक के रूप में कार्य करता है जो मालिकों को शीघ्रता से बीमा कराने की अनुमति देता है।

भारत में तृतीय-पक्ष बीमा अनिवार्य है। फिर भी, बड़ी संख्या में वाहन बिना वैध बीमा के संचालित होते हैं, जिससे सड़क दुर्घटना की स्थिति में पीड़ितों को मुआवजा प्राप्त करना मुश्किल हो सकता है। इस समस्या को देखते हुए, NHAI द्वारा उठाया गया कदम महत्वपूर्ण माना जाता है।

मौजूदा नियमों के अनुसार, बिना वैध बीमा के ड्राइविंग का पहली बार पता चलने पर मालिक पर बुनियादी बीमा प्रीमियम की तीन गुना राशि या 5000 रुपये, जो भी अधिक हो, जुर्माना लगाया जा सकता है। दूसरी बार उल्लंघन करने पर जुर्माना बुनियादी प्रीमियम की पांच गुना राशि या 10000 रुपये, जो भी अधिक हो, हो सकता है।

फिलहाल यह प्रणाली परीक्षण चरण में है। प्रारंभिक परीक्षण के बाद, सिस्टम को बेहतर बनाने और कमियों को दूर करने के लिए कदम उठाए जाएंगे। यदि इसे सफलतापूर्वक लागू किया जाता है, तो इसे देश के अन्य राष्ट्रीय राजमार्गों के टोल प्लाजा पर विस्तारित किया जा सकता है। इससे वाहन मालिकों को बीमा की समय सीमा याद रखने में मदद मिलेगी और बिना वैध तृतीय-पक्ष बीमा वाले वाहनों की पहचान आसान हो जाएगी।

AI कैमरे द्वारा यमुना एक्सप्रेसवे पर गति उल्लंघन पर ₹2,000 का चालान जारी करना; लोकेशन अटलांटिक महासागर बताई गई
और पढ़ें
www.aajtak.in

AI कैमरे द्वारा यमुना एक्सप्रेसवे पर गति उल्लंघन पर ₹2,000 का चालान जारी करना; लोकेशन अटलांटिक महासागर बताई गई

एक वाहन चालक को यमुना एक्सप्रेसवे पर गति सीमा से केवल 1 किलोमीटर अधिक तेज गाड़ी चलाने पर ₹2,000 का ई-चालान प्राप्त हुआ है। यह मामला इसलिए भी चर्चा में है क्योंकि चालान जारी करने वाले कैमरे ने स्थान के रूप में यमुना एक्सप्रेसवे के बजाय अटलांटिक महासागर की लोकेशन दर्ज की है।

इस घटना के बाद सोशल मीडिया पर AI कैमरों की कार्यप्रणाली और यातायात पुलिस की कार्रवाई दोनों पर सवाल उठने लगे हैं। एक कार चालक ने सोशल मीडिया प्लेटफॉर्म X पर अपना चालान साझा किया, जिसमें बताया गया कि उसकी गाड़ी की गति 101 किमी प्रति घंटा दर्ज की गई थी, जबकि उस मार्ग पर अधिकतम गति सीमा 100 किमी प्रति घंटा निर्धारित है।

अनुजीत शिवम नामक व्यक्ति ने अपने खाते @anujitshivam के माध्यम से यह चालान पोस्ट किया और टिप्पणी की, '1 km/h. That's it.' उन्होंने नोएडा ट्रैफिक पुलिस और यूपी ट्रैफिक पुलिस को टैग करते हुए पूछा कि क्या सड़क सुरक्षा का यही तरीका है।

मामले की एक और विचित्र बात यह है कि चालान में स्पीड कैमरे की लोकेशन 0°N, 0°E दर्ज की गई थी, जो अटलांटिक महासागर के मध्य भाग में स्थित है। इस प्रकार, यमुना एक्सप्रेसवे पर ओवरस्पीडिंग का दावा करने वाले चालान में कैमरे का स्थान समुद्र के बीच दिखाया गया।

इस त्रुटि ने लोगों के मन में चालान की सटीकता और AI आधारित यातायात नियंत्रण प्रणाली को लेकर संदेह पैदा कर दिया। इस पोस्ट पर प्रतिक्रिया देते हुए नोएडा ट्रैफिक पुलिस ने संबंधित व्यक्ति को ई-चालान हेल्पलाइन नंबर 7065060882 पर संपर्क करने की सलाह दी।

सोशल मीडिया पर उपयोगकर्ताओं ने विभिन्न विचार व्यक्त किए। कुछ उपयोगकर्ताओं ने तर्क दिया कि 100 किमी प्रति घंटे की गति सीमा का अर्थ यह नहीं है कि चालक को हमेशा इसी गति से चलना चाहिए, क्योंकि यह अधिकतम सीमा है और सुरक्षित ड्राइविंग के लिए 90 से 95 किमी प्रति घंटा बेहतर हो सकता है।

वहीं, अन्य उपयोगकर्ताओं ने AI कैमरों की क्षमताओं पर सवाल उठाया, यह बताते हुए कि उनमें मानवीय भावनाएं और समझ नहीं होतीं; वे केवल तस्वीरें लेते हैं और सॉफ्टवेयर गति के आधार पर कार्रवाई करता है, जिससे तकनीकी खराबी की संभावना बनी रहती है।

कुछ लोगों ने यमुना एक्सप्रेसवे पर निर्धारित गति सीमा पर भी प्रश्न उठाए। एक उपयोगकर्ता ने सुझाव दिया कि एक्सप्रेसवे पर अधिकतम गति सीमा 120 किमी प्रति घंटा होनी चाहिए और यह भी पूछा कि यदि 120 किमी प्रति घंटा की अनुमति नहीं है, तो एक्सप्रेसवे के लिए टोल क्यों लिया जा रहा है।

केंद्रीय सड़क परिवहन राजमार्ग मंत्री नितिन गडकरी ने भी पहले तेज गति से गाड़ी चलाने पर मिलने वाले नोटिसों के संबंध में टिप्पणी की थी। उन्होंने हाल ही में कन्फेडरेशन ऑफ इंडियन इंडस्ट्री (CII) के एक कार्यक्रम में कहा था कि अधिकारियों को 120 किमी प्रति घंटा तक की गति पर नोटिस नहीं भेजने चाहिए, हालांकि, 20 प्रतिशत से अधिक तेज गति होने पर वाहन चालकों को दंडित किया जाना चाहिए।

संक्षेप में, 1 किमी प्रति घंटे की मामूली ओवरस्पीडिंग पर ₹2,000 का यह चालान मामला सड़क सुरक्षा, गति सीमा, AI कैमरों की सटीकता और चालान प्रक्रिया पर एक नई बहस छेड़ चुका है। मुख्य प्रश्न यह है कि क्या तकनीक द्वारा की गई ऐसी कार्रवाई में गलती की गुंजाइश है और क्या शिकायत निवारण के लिए पर्याप्त व्यवस्था मौजूद है।

लोकप्रिय