Ve světě ITS slyšíme hodně o umělé inteligenci (AI) a strojovém učení (ML) obecně – v neposlední řadě pro jejich roli ve funkcích, jako je řízení dopravy a v kontextu chytrých měst. Konkrétně v odvětví Weigh in Motion (WiM) se o jejím využití mluví možná o něco méně. Umělá inteligence se však ve WiM již používá – jen ne vždy tak, jak byste předpokládali.

„Budoucnost začlenění umělé inteligence do systému WiM vypadá jasně,“ naznačuje Rish Malhotra, generální ředitel společnosti International Road Dynamics (IRD). Podle Christopha Klausera, který se ve společnosti Kistler zabývá obchodním rozvojem dopravních řešení, je umělá inteligence skvělou technologií s velkým potenciálem pro WiM. Podle jeho názoru může mít využívání AI ve WiM dva hlavní přínosy. Za prvé umělou inteligenci lze využít ke zvýšení přesnosti WiM, ale dále pak i ke zvýšení důvěryhodnosti výsledků WiM díky lepšímu odhalování nesrovnalostí a vyřazování neplatných měření.

Václav Blahník, produktový manažer telematiky společnosti Cross Zlín, zdůrazňuje, že umělá inteligence je již nedílnou součástí jejich systémů WiM. „Ne, že by se přímo podílel na samotném vážení, ale je součástí subsystému, který provádí rozpoznávání LPR na základě videa,“ vysvětluje.
Malhotra uvádí slibná využití umělé inteligence, která IRD sleduje, „včetně zlepšení přesnosti WiM pomocí průběžné kalibrace a kompenzace vnějších faktorů, která zahrnuje také dynamiku vozidla, která obvykle ovlivňuje měření WiM."

Kanadská firma investuje do nových aplikací umělé inteligence v systémech pro kontrolu užitkových vozidel (CVE) integrovaných s WiM a pracuje na různých kontrolních technologiích, zejména na čtečce obtisků CVSA pro automatické vizuální ověření stavu kontroly vozidel. „Systémy dodržování předpisů řidiči, které identifikují problémy s chováním řidičů, jako je používání mobilních telefonů nebo bezpečnostních pásů, mohou být integrovány s předběžnou kontrolou WiM ve stanicích na automatické odečítání váhy,“ pokračuje Malhotra. „Využití umělé inteligence pro opakovanou identifikaci užitkových vozidel umožňuje systémům CVE pracovat s menším počtem rušivých senzorů, což umožňuje větší objíždění předem prověřených vozidel pohybujících se po určených dopravních koridorech.“

Společnost IRD před několika lety uvedla na trh produkt iTHEIA pro počítání/klasifikaci vozidel, který je schopen přesně klasifikovat vozidla do standardního schématu 13 tříd FHWA při vysokých rychlostech ve víceproudém prostředí, dodává Malhotra. „Ukazuje, že klasifikace založená na videu s umělou inteligencí bude hrát svou roli při doplňování nebo nahrazování silničních senzorů pro sběr dat a mýtné aplikace.“

Florian Weiss, generální ředitel společnosti Traffic Data Systems, se domnívá, že umělá inteligence bude mít v budoucnu další prostor. Zároveň se však domnívá, že je potřeba ujít ještě kus cesty: „Myslím, že všichni výrobci WiM se stále potýkají s problémy při provádění řádných měření na, řekl bych, nižší úrovni. Tyto problémy je třeba vyřešit dříve, „než budeme moci skutečně říci, že umíme identifikovat odlehlé hodnoty tak dobře, abychom mohli přistoupit k dalšímu kroku: snížení chybovosti měření pomocí umělé inteligence“.

Wang Ping upozorňuje na tři hlavní úskalí pro aplikaci umělé inteligence v oblasti správy budov. „Jen málo společností zabývajících se WiM vytvořilo odpovídající soubory dat WiM pro umělou inteligenci,“ říká, protože jde o stovky míst s tisíci signály ze senzorů na každém z nich a s odpovídajícími reálnými hmotnostmi vozidel. Druhým problémem je, že vzhledem k vysoké složitosti algoritmů umělé inteligence existuje jen málo společností zabývajících se WiM, které vynakládají prostředky na výzkum a vývoj umělé inteligence v aplikacích WiM. A dále také podotkl, že existuje rozpor s algoritmy umělé inteligence a metrologickým kódem.

Navzdory těmto problémům Václav Blahník ze společnosti Cross Zlín trvá na tom, že se využití umělé inteligence v produktech a řešeních WiM rozhodně rozšiřuje: „Jde především o detekci parametrů vozidla – detekce zvednuté nápravy nákladního vozidla při ověřování porušení předpisů o přetížení vozidla; detekce druhu nákladu, kdy například cisternu nelze spolehlivě pokutovat, protože přepravovaná kapalina během jízdy neustále mění rozložení zatížení na jednotlivá kola a nápravy.“

„Uvažuje se o tom, že by technologie umělé inteligence doplnily práci inspektorů, aby se zajistilo, že bezpečnostní problémy nebudou přehlíženy v prostředí CVE, pro které je nyní typický rostoucí nedostatek pracovníků v dopravě a v oblasti prosazování předpisů“, navrhuje Rish Malhotra. „Existují také možnosti, jak poskytovat méně rušivé a přesnější systémy dopravních dat. Očekáváme, že s tím, jak se budou prodejci a agentury stále více spoléhat na systémy využívající AI/ML, se jejich využití rozšíří.“, dodává Malhotra.

Celý článek najdete na stránkách ITS International zde.