NHAI implementa sistema de vigilância por vídeo em estradas de 50.000 km para automatizar multas a contratados
Leia mais
The times of India
timesofindia.indiatimes.com

NHAI implementa sistema de vigilância por vídeo em estradas de 50.000 km para automatizar multas a contratados

A National Highway Authority of India (NHAI) implementou um sistema de monitoramento que permitirá eliminar a possibilidade de os contratados e funcionários da NHAI escaparem de medidas relativas a defeitos na pavimentação rodoviária, como buracos, marcações desbotadas, sulcos e iluminação defeituosa, que continuam sendo um problema frequente nos trechos das Rodovias Nacionais (NH).

A NHAI lançou um sistema de controle semanal de 40 tipos de defeitos usando câmeras de vídeo instaladas em veículos de patrulha, cobrindo quase 50.000 quilômetros da rede NH. Funcionários da NHAI informaram que, além da coleta de dados com indicação precisa de localização e provas visuais, essas informações serão transmitidas aos contratados responsáveis pelos trechos específicos.

Um funcionário de alto escalão da NHAI observou que as câmeras são capazes de detectar buracos de apenas dois polegadas. Atualmente, o não cumprimento do trabalho de correção do defeito dentro dos prazos estabelecidos acarreta multas calculadas de acordo com os termos do contrato. Ele acrescentou que, nos próximos meses, o cálculo das multas se tornará totalmente automático, e que nos últimos dois meses foi realizado um trabalho de informação aos contratados e oficiais.

O sistema abrange todos os trechos da NHAI em operação e manutenção. Isso é de grande importância, considerando que o órgão rodoviário enfrentou críticas públicas devido à má conservação de alguns trechos rodoviários. De acordo com dados obtidos pelo veículo TOI, foram identificados 92.088 defeitos através de gravações de câmeras de vídeo em dois meses desde o lançamento do sistema. Cerca de 23% deles referiam-se a marcações desbotadas e cerca de 15% a buracos. Embora quase 72% dos defeitos tenham sido corrigidos, cerca de 17% permanecem pendentes.

De acordo com os prazos estabelecidos, os contratados têm dois dias para tapar buracos, um dia para reparar luzes danificadas e problemas de segurança nas áreas de trabalho, e sete dias para fechar aberturas não autorizadas, entre outros. Outro funcionário da NHAI enfatizou que, como os detalhes dos defeitos são apoiados por evidências e cada contratado e oficial de campo pode vê-los no servidor central, não há disputas. Ele também observou que os contratados rodoviários entendem que a manutenção oportuna reduz sua carga de trabalho. Os defeitos só são encerrados após o upload e verificação dos detalhes da correção com provas fotográficas.

O TOI soube que, em uma fase posterior, o público também poderá visualizar os detalhes e fornecer seus comentários.

Histórias semelhantes

Pesquisadores do IIT Guwahati usam drones para modelar o movimento de 36 mil veículos nas estradas da Índia
Leia mais
thebetterindia.com

Pesquisadores do IIT Guwahati usam drones para modelar o movimento de 36 mil veículos nas estradas da Índia

Nas estradas da Índia, onde carros, ônibus, veículos de três rodas e dois rodas frequentemente são forçados a dividir um espaço limitado, o tráfego pode mudar drasticamente em questão de segundos. Para especialistas em planejamento urbano e engenheiros de tráfego, entender essa dinâmica é um desafio complexo, pois muitos modelos tradicionais pressupõem que os veículos seguem rigorosamente as faixas e mantêm uma velocidade previsível, o que raramente corresponde à realidade nas estradas indianas.

Pesquisadores do Instituto de Tecnologia Indiano (IIT) Guwahati estão trabalhando para preencher essa lacuna. Eles desenvolveram modelos matemáticos que consideram melhor o comportamento imprevisível do transporte nas estradas da Índia, combinando material de vídeo de drones, rastreamento automático de veículos e aprendizado de máquina.

Rastreamento das posições de quase nove milhões de veículos

A equipe de pesquisadores, liderada pelo Professor Akhilesh Kumar Maurya do Departamento de Engenharia Civil, estudou o movimento de veículos em uma rodovia divisória de oito faixas na periferia de Delhi. Usando drones equipados com câmeras de alta resolução, eles gravaram cerca de cinco horas de tráfego diurno em resolução 4K. Esses vídeos foram então processados usando o software DataFromSky, que extrai os movimentos dos veículos da fotografia aérea.

O resultado foi um conjunto de dados contendo 36.818 veículos e 8.938.920 pontos de dados de posição de veículos, capturados a uma taxa de 10 quadros por segundo. Os pesquisadores dividiram os veículos em seis categorias: dois rodas, três rodas, carros, ônibus, veículos comerciais pesados e veículos comerciais leves. Isso permitiu obter um panorama detalhado de como diferentes tipos de transporte se moviam, quão próximos estavam uns dos outros e como sua velocidade mudava com o aumento da densidade do tráfego.

O Professor Maurya enfatizou a necessidade de usar dados específicos da Índia, explicando que "as condições rodoviárias na Índia diferem das condições em muitos países onde os modelos de tráfego existentes foram desenvolvidos. Precisamos de dados de tráfego que reflitam a diversidade e as características das estradas indianas".

A coleta de dados baseada em drones fornece a capacidade de observar um grande número de veículos e seus movimentos em um trecho da estrada com alta detalhe espacial e temporal.

Os pesquisadores descobriram que a distância entre os veículos mudava dependendo da densidade do tráfego. Em estradas relativamente livres, os veículos mantinham grandes intervalos, mas à medida que o tráfego aumentava, esses intervalos diminuíam. No entanto, sob sobrecarga severa, os padrões de posicionamento mudavam novamente.

Essa variabilidade é importante porque dois veículos movendo-se em condições aparentemente semelhantes não necessariamente se moverão na mesma velocidade. Para entender essas diferenças, a equipe testou seis modelos de tráfego matemáticos, incluindo abordagens estabelecidas, como Greenshields e Underwood. Além disso, eles treinaram dois modelos de aprendizado de máquina: Redes Neurais Artificiais (ANN) e Floresta Aleatória (RF).

O aspecto mais interessante foi a criação de diagramas fundamentais estocásticos. Simplificando, os modelos de tráfego tradicionais geralmente avaliam uma única velocidade para uma dada densidade de tráfego. Os modelos estocásticos vão além, considerando a faixa de velocidades com as quais os veículos podem realmente se mover nessas condições. Isso permite que os modelos representem de forma mais realista o acaso do tráfego indiano, em vez de suavizar as diferenças entre veículos individuais.

De melhorias nas previsões para um planejamento de estradas mais inteligente

Os pesquisadores descobriram que o modelo Underwood mostrou a maior estabilidade entre os modelos matemáticos testados, atingindo um valor R² de 0,86. Ambos os modelos de aprendizado de máquina mostraram aproximadamente 0,83.

Os resultados obtidos podem encontrar aplicação prática na avaliação da capacidade de rodovias, no projeto de cruzamentos, na determinação da velocidade de tráfego e na melhoria da modelagem de tráfego. Os dados também podem ajudar os pesquisadores a calibrar modelos de seguimento de veículos, que estudam como os motoristas ajustam sua distância e velocidade em relação aos veículos à frente.

O Professor Maurya observou: "O gerenciamento confiável do tráfego começa com modelos que refletem como o tráfego realmente se comporta nas estradas da Índia. Dados de trajetória altamente detalhados, obtidos por meio de drones, nos permitem registrar a interação entre diferentes tipos de veículos e a grande variabilidade que os modelos de tráfego tradicionais frequentemente ignoram".

Modelos como este, específicos da Índia, podem apoiar uma modelagem de tráfego mais realista, melhorar o projeto de estradas e cruzamentos, gerenciar congestionamentos, avaliar a capacidade e desenvolver sistemas inteligentes de gerenciamento de tráfego adaptados às condições da Índia.

Para qualquer pessoa que tenha passado tempo nas estradas da Índia, a complexidade da previsão de tráfego é facilmente compreensível: um carro desacelera, um veículo de dois rodas entra em um espaço estreito, um rickshaw muda de faixa, e o movimento de centenas de veículos pode mudar em segundos. Graças ao registro detalhado dessas interações, a equipe do IIT Guwahati espera tornar os modelos de tráfego mais alinhados com o que os passageiros vivenciam diariamente. Este estudo é um passo para entender não apenas quantos veículos usam a estrada, mas como eles se movem em relação uns aos outros, o que, em última análise, pode ajudar a tornar a viagem diária mais previsível.

NHAI lança novo sistema: SMS será enviado sobre o status do seguro após passar por trecho pago
Leia mais
www.aajtak.in

NHAI lança novo sistema: SMS será enviado sobre o status do seguro após passar por trecho pago

Após passar por um trecho pago, os motoristas podem receber uma mensagem de texto em seus telefones móveis referente ao seguro de seu veículo. Esta funcionalidade foi introduzida no âmbito de um novo sistema lançado pela National Highways Authority of India (NHAI). O sistema notificará o proprietário se o seguro de terceiros de seu carro expirou ou se ele não possui seguro algum.

Atualmente, o projeto piloto deste sistema começou em um dos trechos pagos em Delhi. Planeja-se que, no futuro, este sistema seja implementado em todas as rodovias nacionais em todo o país. De acordo com o TOI, a NHAI iniciou o teste em um trecho pago em Mundka na Arban Extension Road-II (UER-II) em Delhi, onde testes estão sendo realizados para garantir a estabilidade e melhorar o funcionamento do sistema.

Todo o procedimento é baseado na troca de dados entre o trecho pago e o portal de veículos. Assim que o veículo passa pelo trecho pago, as informações dele são transmitidas para o banco de dados Vahan do National Informatics Centre (NIC). Em seguida, o sistema verifica automaticamente a validade do seguro do veículo.

Se a verificação mostrar que o seguro de terceiros expirou ou está ausente, o proprietário do veículo recebe imediatamente um SMS. Esta mensagem indica o número de registro do veículo, o horário da passagem pelo trecho pago e os detalhes sobre a validade do seguro. Além disso, o proprietário é aconselhado a renovar o seguro.

Segundo um funcionário, esta mensagem serve como um lembrete da necessidade de obter o seguro em tempo hábil para evitar multas previstas na Lei de Veículos. Assim, funciona como um aviso de lembrete, permitindo que os proprietários contratem o seguro rapidamente.

Na Índia, o seguro de terceiros é obrigatório. No entanto, um grande número de veículos é operado sem seguro válido, o que pode complicar a obtenção de compensação para os feridos em caso de acidente de trânsito. Considerando esse problema, a medida tomada pela NHAI é considerada importante.

De acordo com as regras vigentes, na primeira detecção de condução sem seguro válido, o proprietário pode ser multado em um valor equivalente ao triplo do prêmio básico do seguro ou 5000 rúpias, o que for maior. Em caso de reincidência, a multa pode ser de cinco vezes o prêmio básico ou 10000 rúpias, o que for maior.

Atualmente, este sistema está em fase de testes. Após os testes iniciais, serão tomadas medidas para aperfeiçoar o sistema e corrigir falhas. Em caso de implementação bem-sucedida, ele poderá ser estendido aos trechos pagos de outras rodovias nacionais do país. Isso ajudará os proprietários de veículos a lembrar dos prazos de validade do seguro e simplificará a identificação de veículos que trafegam sem seguro de terceiros válido.

Multa de ₹2.000 emitida por infração de velocidade em Yamuna Expressway por câmera de IA; localização indicada como Oceano Atlântico
Leia mais
www.aajtak.in

Multa de ₹2.000 emitida por infração de velocidade em Yamuna Expressway por câmera de IA; localização indicada como Oceano Atlântico

Um motorista recebeu uma multa eletrônica de ₹2.000 por exceder o limite de velocidade em Yamuna Expressway em apenas 1 quilômetro. Este caso também está gerando discussão porque a câmera que emitiu a multa registrou a localização como Oceano Atlântico em vez de Yamuna Expressway.

Após este incidente, surgiram questionamentos sobre o funcionamento das câmeras de IA e sobre as ações da polícia de trânsito nas redes sociais. Um motorista compartilhou sua multa na plataforma de mídia social X, informando que a velocidade de seu veículo foi registrada em 101 km/h, enquanto o limite máximo de velocidade naquela rota é de 100 km/h.

Uma pessoa chamada Anujit Shivam postou esta multa através de sua conta @anujitshivam e comentou: '1 km/h. É só isso.' Ele marcou a Polícia de Trânsito de Noida e a Polícia de Trânsito de UP, perguntando se este é o método de segurança rodoviária.

Outro aspecto estranho do caso é que a multa registrou a localização da câmera de velocidade como 0°N, 0°E, que fica no meio do Oceano Atlântico. Assim, a multa que alega excesso de velocidade em Yamuna Expressway mostra o local da câmera no meio do mar.

Este erro gerou dúvidas entre as pessoas sobre a precisão da multa e sobre o sistema de controle de tráfego baseado em IA. Em resposta à postagem, a Polícia de Trânsito de Noida aconselhou a pessoa em questão a entrar em contato com a linha de ajuda de multas eletrônicas 7065060882.

Os usuários nas redes sociais expressaram diversas opiniões. Alguns argumentaram que o limite de velocidade de 100 km/h não significa que o motorista deva sempre dirigir nessa velocidade, pois é um limite máximo e 90 a 95 km/h pode ser melhor para uma condução segura.

Por outro lado, outros usuários questionaram as capacidades das câmeras de IA, afirmando que elas não possuem emoções ou compreensão humanas; elas apenas tiram fotos e o software age com base na velocidade, o que gera a possibilidade de falhas técnicas.

Algumas pessoas também levantaram questões sobre o limite de velocidade estabelecido em Yamuna Expressway. Um usuário sugeriu que o limite máximo de velocidade na autoestrada deveria ser de 120 km/h e perguntou também por que a autoestrada cobra pedágio se 120 km/h não é permitido.

O Ministro Federal de Transporte Rodoviário e Autoestradas, Nitin Gadkari, também havia comentado anteriormente sobre os avisos emitidos por alta velocidade. Ele disse recentemente em um evento da Confederação Indiana da Indústria (CII) que os oficiais não deveriam enviar notificações para velocidades até 120 km/h, mas que os motoristas deveriam ser punidos se estivessem mais de 20% acima da velocidade.

Em resumo, este caso de multa de ₹2.000 por uma pequena infração de excesso de velocidade de 1 km/h iniciou um novo debate sobre segurança rodoviária, limites de velocidade, precisão das câmeras de IA e o processo de multas. A questão principal é se há margem para erro em ações tomadas por tecnologia e se existe um sistema adequado para resolução de reclamações.

Popular