NHAI внедряет систему видеонаблюдения на дорогах протяженностью 50 000 км для автоматизации штрафов подрядчикам
Подробнее
The times of India
timesofindia.indiatimes.com

NHAI внедряет систему видеонаблюдения на дорогах протяженностью 50 000 км для автоматизации штрафов подрядчикам

Национальная автомобильная дорога Индии (NHAI) внедрила систему мониторинга, которая позволит исключить возможность уклонения подрядчиков и сотрудников NHAI от принятия мер в отношении дефектов дорожного покрытия, таких как выбоины, выцветшая разметка, колея и неисправное освещение, которые остаются частой проблемой на участках Национальных автомагистралей (NH).

NHAI запустила систему еженедельного контроля 40 типов дефектов с использованием видеокамер, установленных на патрульных транспортных средствах, которые охватывают почти 50 000 километров сети NH. Сотрудники NHAI сообщили, что помимо сбора данных с точным указанием местоположения и визуальными доказательствами, эта информация будет передаваться соответствующим подрядчикам, ответственным за конкретные участки.

Высокопоставленный сотрудник NHAI отметил, что камеры способны обнаруживать выбоины размером всего два дюйма. В настоящее время невыполнение работ по устранению дефекта в установленные сроки влечет за собой штрафы, рассчитываемые согласно условиям контракта. Он добавил, что в ближайшие месяцы расчет штрафов станет полностью автоматическим, и что в течение последних двух месяцев проводилась работа по информированию подрядчиков и офицеров.

Система распространяется на все участки NHAI, находящиеся в эксплуатации и обслуживании. Это имеет большое значение, учитывая, что дорожный орган сталкивался с критикой общественности из-за плохого содержания некоторых дорожных участков. Согласно данным, полученным изданием TOI, за два месяца с момента запуска системы через записи с видеокамер было выявлено 92 088 дефектов. Примерно 23% из них касались выцветшей разметки, а около 15% — выбоин. Хотя почти 72% дефектов были исправлены, около 17% остаются просроченными.

Согласно установленным срокам, у подрядчиков есть два дня на заделку выбоин, один день на ремонт вышедших из строя огней и проблем с безопасностью в рабочих зонах, а также семь дней на закрытие несанкционированных отверстий, среди прочего. Другой сотрудник NHAI подчеркнул, что поскольку детали дефектов подкреплены доказательствами, и каждый подрядчик и полевой офицер может видеть их на центральном сервере, споров не возникает. Он также отметил, что дорожные подрядчики понимают, что своевременное обслуживание снижает их нагрузку. Дефекты закрываются только после загрузки и проверки деталей устранения с фотодоказательствами.

TOI узнало, что на более позднем этапе общественность также сможет просматривать детали и предоставлять свои отзывы.

Похожие сюжеты

Исследователи IIT Guwahati используют дроны для моделирования движения 36 тысяч транспортных средств на дорогах Индии
Подробнее
thebetterindia.com

Исследователи IIT Guwahati используют дроны для моделирования движения 36 тысяч транспортных средств на дорогах Индии

На дорогах Индии, где автомобили, автобусы, трехколесные и двухколесные транспортные средства часто вынуждены делить ограниченное пространство, трафик может кардинально меняться за считанные секунды. Для специалистов по городскому планированию и инженеров дорожного движения понимание этой динамики представляет собой сложную задачу, поскольку многие традиционные модели предполагают, что транспортные средства строго следуют полосам и поддерживают предсказуемую скорость, что редко соответствует действительности на дорогах Индии.

Исследователи из Индийского технологического института (IIT) Гуахати работают над устранением этого пробела. Они разработали математические модели, которые лучше учитывают непредсказуемое поведение транспорта на дорогах Индии, объединив видеоматериалы с дронов, автоматическое отслеживание транспортных средств и машинное обучение.

Отслеживание позиций почти девяти миллионов транспортных средств

Команда исследователей под руководством профессора Ахилеша Кумара Маурьи из Департамента гражданского строительства изучала движение транспорта на восьмиполосной разделительной магистрали на окраине Дели. С помощью дронов, оснащенных камерами высокого разрешения, они записали около пяти часов дневного трафика в разрешении 4K. Эти видео затем были обработаны с помощью программного обеспечения DataFromSky, которое извлекает перемещения транспортных средств из аэрофотосъемки.

В результате был получен набор данных, включающий 36 818 транспортных средств и 8 938 920 точек данных о положении транспортных средств, снятых с частотой 10 кадров в секунду. Исследователи разделили транспортные средства на шесть категорий: двухколесные, трехколесные, автомобили, автобусы, тяжелые коммерческие транспортные средства и легкие коммерческие транспортные средства. Это позволило получить детальную картину того, как различные типы транспорта двигались, насколько близко они следовали друг за другом и как менялась их скорость при увеличении плотности трафика.

Профессор Маурья подчеркнул необходимость использования данных, специфичных для Индии, объясняя, что «дорожные условия в Индии отличаются от условий во многих странах, где разрабатывались существующие модели трафика. Нам нужны данные о трафике, отражающие разнообразие и особенности индийских дорог».

Сбор данных на основе дронов предоставляет возможность наблюдать за большим количеством транспортных средств и их перемещениями на участке дороги с высокой пространственной и временной детализацией.

Исследователи обнаружили, что расстояние между транспортными средствами менялось в зависимости от плотности трафика. На относительно свободных дорогах транспортные средства держали большие интервалы, но по мере роста трафика эти интервалы уменьшались. Однако при сильной перегруженности схемы расположения снова менялись.

Эта изменчивость важна, поскольку два транспортных средства, движущиеся в условиях, кажущихся схожими, не обязательно будут двигаться с одинаковой скоростью. Чтобы понять эти различия, команда протестировала шесть математических моделей трафика, включая устоявшиеся подходы, такие как Greenshields и Underwood. Кроме того, они обучили две модели машинного обучения: Искусственные нейронные сети (ANN) и Случайный лес (RF).

Наиболее интересным аспектом стало создание стохастических фундаментальных диаграмм. Проще говоря, традиционные модели трафика обычно оценивают одну скорость для заданной плотности трафика. Стохастические модели идут дальше, учитывая диапазон скоростей, с которыми транспортные средства могут фактически двигаться в данных условиях. Это позволяет моделям более реалистично представлять случайность индийского трафика, вместо того чтобы сглаживать различия между отдельными транспортными средствами.

От улучшения прогнозов к более умному планированию дорог

Исследователи установили, что модель Underwood показала наибольшую стабильность среди протестированных математических моделей, достигнув значения R² равного 0.86. Обе модели машинного обучения показали приблизительно 0.83.

Полученные результаты могут найти практическое применение при оценке пропускной способности автомагистралей, проектировании перекрестков, определении скорости движения по дорогам и улучшении транспортного моделирования. Данные также могут помочь исследователям в калибровке моделей следования за автомобилем, которые изучают, как водители регулируют свое расстояние и скорость относительно транспортных средств впереди.

Профессор Маурья отметил: «Надежное управление трафиком начинается с моделей, которые отражают то, как трафик на самом деле ведет себя на дорогах Индии. Высокодетализированные траекторные данные, полученные с помощью дронов, позволяют нам фиксировать взаимодействие между различными типами транспортных средств и большую изменчивость, которую часто упускают из виду традиционные модели трафика».

Подобные модели, специфичные для Индии, могут поддержать более реалистичное моделирование трафика, улучшить проектирование дорог и перекрестков, управлять заторами, оценивать пропускную способность и разрабатывать интеллектуальные системы управления трафиком, адаптированные к условиям Индии.

Для любого, кто проводил время на дороге в Индии, сложность прогнозирования трафика легко понятна: автомобиль замедляется, двухколесный транспорт попадает в узкий промежуток, авторикша меняет полосу, и движение сотен транспортных средств может измениться за секунды. Благодаря детальному фиксации этих взаимодействий, команда IIT Guwahati надеется сделать модели трафика более соответствующими тому, что ежедневно переживают пассажиры. Это исследование является шагом к пониманию не только того, сколько транспортных средств пользуется дорогой, но и того, как они перемещаются относительно друг друга, что в конечном итоге может помочь сделать ежедневную поездку более предсказуемой.

NHAI запускает новую систему: после проезда через платный участок будет отправлено SMS о статусе страхования
Подробнее
www.aajtak.in

NHAI запускает новую систему: после проезда через платный участок будет отправлено SMS о статусе страхования

После проезда через платный участок водители могут получить сообщение на мобильный телефон, касающееся страховки их транспортного средства. Эта функция введена в рамках новой системы, запущенной Индийским национальным управлением автомагистралей (NHAI). Система уведомит владельца, если страховка третьей стороны его автомобиля истекла или если он вообще не оформил страховку.

В настоящее время пилотный проект этой системы стартовал на одном из платных участков в Дели. Планируется, что в будущем эта система будет внедрена на всех национальных автомагистралях по всей стране. Согласно отчету TOI, NHAI начал тестовый запуск на платном участке Мундка на Арбан Экстеншен Роуд-II (UER-II) в Дели, где сейчас проводится тестирование для обеспечения стабильности и улучшения работы системы.

Вся процедура основана на обмене данными между платным участком и порталом транспортных средств. Как только автомобиль проходит через платный участок, информация о нем передается в базу данных Vahan Национального информационного центра (NIC). Затем система автоматически проверяет действительность страховки транспортного средства.

Если проверка показывает, что страховка третьей стороны истекла или отсутствует, владельцу автомобиля незамедлительно отправляется SMS. В этом сообщении указываются регистрационный номер автомобиля, время проезда через платный участок и сведения о сроке действия страховки. Кроме того, владельцу рекомендуется продлить страховку.

По словам одного из должностных лиц, это сообщение служит напоминанием о необходимости своевременного оформления страховки, чтобы избежать штрафов, предусмотренных Законом о транспортных средствах. Таким образом, это функционирует как уведомление-напоминание, позволяющее владельцам оперативно оформить страховку.

В Индии обязательно наличие страховки третьей стороны. Тем не менее, значительное количество транспортных средств эксплуатируется без действующей страховки, что может усложнить получение компенсации пострадавшими в случае дорожно-транспортного происшествия. Учитывая эту проблему, шаг, предпринятый NHAI, считается важным.

Согласно действующим правилам, при первом выявлении вождения без действительной страховки владелец может быть оштрафован на сумму, равную тройному размеру базовой премии по страхованию или 5000 рупий, в зависимости от того, какая сумма больше. При повторном нарушении штраф может составить пятикратный размер базовой премии или 10000 рупий, в зависимости от того, какая сумма больше.

В настоящее время данная система находится на стадии испытаний. После начального тестирования будут предприняты шаги для совершенствования системы и устранения недостатков. В случае ее успешного внедрения, она может быть распространена на платные участки других национальных автомагистралей страны. Это поможет владельцам автомобилей помнить о сроках действия страховки и упростит идентификацию транспортных средств, движущихся без действительной страховки третьей стороны.

Камера искусственного интеллекта выписала штраф в размере 2000 рупий за превышение скорости на Ямуна Экспрессвей; местоположение указано как Атлантический океан
Подробнее
www.aajtak.in

Камера искусственного интеллекта выписала штраф в размере 2000 рупий за превышение скорости на Ямуна Экспрессвей; местоположение указано как Атлантический океан

Водителю транспортного средства был выписан электронный штраф в размере 2000 рупий за превышение скорости на Ямуна Экспрессвей всего на 1 км/ч. Этот случай вызвал обсуждение, поскольку камера, выдавшая штраф, указала в качестве места действия не Ямуна Экспрессвей, а Атлантический океан.

После этого инцидента в социальных сетях возникли вопросы как к работе камер ИИ, так и к действиям дорожной полиции. Один водитель автомобиля поделился своим штрафом в социальной сети X, указав, что скорость его автомобиля была зафиксирована на уровне 101 км/ч, в то время как максимальный предел скорости на этом маршруте составляет 100 км/ч.

Человек по имени Ануджит Шивам опубликовал этот штраф через свою учетную запись @anujitshivam и прокомментировал: «1 км/ч. Вот и все». Он отметил полицию Нойды и полицию УП, спросив, является ли это способом обеспечения безопасности дорожного движения.

Еще одна странность в этом деле заключается в том, что в штрафе было указано местоположение камеры скорости как 0°N, 0°E, что находится в центральной части Атлантического океана. Таким образом, штраф, утверждающий о превышении скорости на Ямуна Экспрессвей, показывает местоположение камеры посреди моря.

Эта ошибка посеяла сомнения среди людей относительно точности штрафов и системы контроля дорожного движения на основе ИИ. В ответ на этот пост полиция Нойды посоветовала соответствующему лицу связаться с горячей линией электронных штрафов по номеру 7065060882.

Пользователи в социальных сетях выразили различные мнения. Некоторые пользователи утверждали, что ограничение скорости в 100 км/ч не означает, что водитель всегда должен ехать именно с этой скоростью, поскольку это максимальный предел, а для безопасного вождения лучше 90–95 км/ч.

Другие пользователи поставили под сомнение возможности камер ИИ, отмечая, что у них нет человеческих эмоций и понимания; они просто делают снимки, а программное обеспечение принимает решение на основе скорости, что создает вероятность технического сбоя.

Некоторые люди также задались вопросом о установленном пределе скорости на Ямуна Экспрессвей. Один пользователь предположил, что максимальный предел скорости на экспрессвей должен составлять 120 км/ч, и спросил, почему взимается плата за проезд по экспрессвей, если разрешена скорость не выше 120 км/ч.

Министр центрального министерства транспорта и автомагистралей Нитин Гадкарри ранее комментировал уведомления о превышении скорости. Недавно на мероприятии Конфедерации индийской промышленности (CII) он заявил, что чиновники не должны высылать уведомления о скорости до 120 км/ч, однако водителей следует наказывать при превышении скорости более чем на 20 процентов.

В заключение, этот случай с штрафом в 2000 рупий за незначительное превышение скорости в 1 км/ч поднял новую дискуссию о безопасности дорожного движения, ограничениях скорости, точности камер ИИ и процессе вынесения штрафов. Главный вопрос заключается в том, существует ли возможность ошибки в действиях, совершенных технологией, и достаточно ли существует механизмов для обжалования жалоб.

Популярное