Integrating Telematics and Video-Based Recognition for Vehicle Behavior Analysis in Athens
यह शोध पत्र PHOEBE परियोजना के भीतर एक फ्यूजन फ्रेमवर्क प्रस्तुत करता है जो एथेंस के तीन चौराहों पर दीर्घकालिक स्मार्टफोन टेलीमैटिक्स को अल्पकालिक YOLOv8-आधारित वीडियो एनालिटिक्स के साथ एकीकृत करता है, जिससे यह स्पष्ट होता है कि जबकि दोनों डेटा स्रोत सुसंगत दिशात्मक गति पैटर्न को कैप्चर करते हैं, वीडियो-व्युत्पन्न मेट्रिक्स स्थानीयकृत मंदी और उच्च सूक्ष्म-संघर्ष जोखिमों को उजागर करते हैं जिन्हें औसत गति अकेले अनुमानित करने में विफल रहती है, जिससे इस प्रकार सक्रिय शहरी सड़क सुरक्षा प्रबंधन के लिए व्यापक-कवरेज और सूक्ष्म-स्तरीय डेटा को संयोजित करने के मूल्य का प्रदर्शन होता है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
एथेंस जैसे शहरों के हलचल भरे केंद्र में, यातायात का प्रवाह धातु और गति की एक निरंतर, जटिल नदी की तरह है। दशकों से, सुरक्षा विशेषज्ञों ने यह समझने की कोशिश की है कि यह नदी कैसे व्यवहार करती है, इस उम्मीद में कि वे उन दुर्लभ लेकिन दुखद क्षणों को रोक सकें जब यह हिंसक हो जाती है। पारंपरिक रूप से, यह समझ दुर्घटना रिपोर्टों को पीछे मुड़कर देखने से आती थी, एक ऐसी विधि जो नुकसान पहुँचाने के बाद ही खतरे को प्रकट करती है। हाल के वर्षों में, सड़क को देखने के दो नए तरीके उभरे हैं, जो प्रहार करने से पहले खतरे को देखने का अवसर प्रदान करते हैं। एक विधि ड्राइवरों द्वारा ले जाए जाने वाले स्मार्टफोन का उपयोग करती है ताकि लंबी दूरियों और लंबे समय के दौरान उनकी गति और ब्रेकिंग की आदतों को ट्रैक किया जा सके, जिससे पूरे शहर में लोगों के ड्राइविंग करने के व्यापक चित्र को उकेरा जा सके। दूसरी विधि वीडियो कैमरों का उपयोग करके वास्तविक समय में विशिष्ट स्थानों पर नज़र रखती है, जो एक ही फ्रेम में हर कार, पैदल यात्री और स्कूटर की सटीक गतिविधियों को कैप्चर करती है। हालाँकि प्रत्येक विधि की अपनी ताकत है, लेकिन उन्हें शायद ही कभी एक साथ उपयोग किया गया है, जिससे हमारे ज्ञान में एक अंतराल रह गया है कि वास्तव में यातायात के ये विभिन्न दृश्य एक-दूसरे से कैसे संबंधित हैं।
शोधकर्ताओं की एक टीम ने मध्य एथेंस की घनी, सिग्नल-नियंत्रित सड़कों में इस अंतर को पाटने के लिए हाथ बढ़ाया। वे यह देखना चाहते थे कि क्या स्मार्टफोन से प्राप्त व्यापक, दीर्घकालिक डेटा को वीडियो कैमरों के तीक्ष्ण, अल्पकालिक फोकस के साथ जोड़ा जा सकता है ताकि सड़क सुरक्षा की एक स्पष्ट तस्वीर बनाई जा सके। टीम ने तीन व्यस्त चौराहों पर ध्यान केंद्रित किया: वासिलिसिस अमलियास (Vasilissis Amalias), वासिलिसिस सोफियास (Vasilissis Sofias) और पनेपिस्टिमियू स्ट्रीट (Panepistimiou Street)। इन स्थानों को इसलिए चुना गया क्योंकि ये भीड़भाड़ वाले हैं, जिनमें कार, पैदल यात्री और स्कूटर मिश्रित हैं, और ट्रैफिक लाइट द्वारा नियंत्रित होते हैं, जो यह देखने के लिए आदर्श स्थान बनाते हैं कि ड्राइवर संकेतों और एक-दूसरे के प्रति कैसी प्रतिक्रिया देते हैं। ऐसा करने के लिए, उन्होंने सूचना के दो अलग-अलग सेट एकत्र किए। सबसे पहले, उन्होंने 2019 और 2023 के बीच हजारों स्मार्टफोन उपयोगकर्ताओं से एकत्र किए गए गुमनाम डेटा को देखा, जिसने उन्हें इन सड़कों पर कई वर्षों तक औसत गति और ड्राइविंग की आदतों के बारे में बताया। दूसरा, जून 2024 में, उन्होंने उन्हीं तीन स्थानों पर कैमरे स्थापित किए ताकि वीडियो फुटेज रिकॉर्ड किया जा सके। फिर उन्होंने इन वीडियो को फ्रेम-दर-फ्रेम देखने के लिए एक कस्टम आर्टिफिशियल इंटेलिजेंस सिस्टम का उपयोग किया, जिससे प्रत्येक वाहन के सटीक पथ को ट्रैक किया गया और यह गणना की गई कि वे एक-दूसरे या पैदल यात्रियों से टकराने के कितने करीब आए।
जब शोधकर्ताओं ने सूचना के दोनों स्रोतों की तुलना की, तो उन्हें आंकड़ों में एक आश्चर्यजनक अंतर मिला। वीडियो कैमरों द्वारा रिकॉर्ड की गई औसत गति लगातार स्मार्टफोन द्वारा रिकॉर्ड की गई औसत गति से कम थी। एक स्थान पर, वीडियो ने दिखाया कि कारें स्मार्टफोन डेटा द्वारा सुझाए गए मुकाबले लगभग 15 किलोमीटर प्रति घंटा धीमी चल रही थीं। टीम ने महसूस किया कि ऐसा इसलिए नहीं था क्योंकि ड्राइवर अलग तरह से व्यवहार कर रहे थे, बल्कि इसलिए क्योंकि दोनों उपकरण यात्रा के अलग-अलग हिस्सों को देख रहे थे। स्मार्टफोन पूरे सफर को रिकॉर्ड करते थे, जिसमें चौराहों के बीच के तेज़, खुले रास्ते भी शामिल थे। हालाँकि, कैमरे चौराहे पर स्थिर थे, जो वह सटीक स्थान है जहाँ कारों को धीमा होना चाहिए और रेड लाइट के लिए रुकना चाहिए। यह एक ऐसे धावक की तुलना करने जैसा है जो पूरे ट्रैक पर दौड़ता है बनाम फिनिश लाइन पर ली गई एक फोटो जहाँ वह रुकने के लिए धीमा हो रहा है; फोटो मंदन (deceleration) को कैप्चर करती है, जबकि धावक की घड़ी पूर्ण प्रयास को कैप्चर करती है। दृष्टिकोण के इस अंतर ने आंकड़ों के अंतराल को स्पष्ट किया, जिससे पता चला कि दोनों डेटा स्रोत वास्तव में एक सुसंगत कहानी बता रहे थे, बस अलग-अलग कोणों से।
इन विधियों को मिलाने का वास्तविक मूल्य तब सामने आया जब टीम ने 'नियर-मिस' (बाल-बाल बचना) की घटनाओं को देखा। उन्होंने नियर-मिस को एक ऐसे क्षण के रूप में परिभाषित किया जब दो सड़क उपयोगकर्ता इतने करीब आ गए कि यदि उनमें से एक ने तुरंत प्रतिक्रिया न दी होती तो टक्कर हो जाती। वीडियो फुटेज का विश्लेषण करके, उन्होंने पाया कि ये खतरनाक क्षण समय के साथ समान रूप से वितरित नहीं थे। इसके बजाय, वे अचानक, तीव्र विस्फोटों के रूप में होते थे। वासिलिसिस अमलियास चौराहे पर, हर बार जब ट्रैफिक लाइट बदलती थी, तो नियर-मिस का जोखिम कुछ सेकंड के लिए नाटकीय रूप से बढ़ जाता था, जहाँ प्रति 1,000 देखे गए वाहनों के लिए 50 महत्वपूर्ण घटनाएं तक दर्ज की गईं। इसके विपरीत, पनेपिस्टिमियू स्ट्रीट चौराहा उल्लेखनीय रूप से शांत रहा, जहाँ लगभग कोई नियर-मिस रिकॉर्ड नहीं किया गया। इस निष्कर्ष ने खुलासा किया कि शहर में खतरा अक्सर क्षणिक होता है और विशिष्ट क्षणों से जुड़ा होता है, जैसे कि वे सेकंड जब लाइट पीली होती है या जब पैदल यात्री चक्र के अंत में सड़क पर कदम रखते हैं।
शायद सबसे महत्वपूर्ण खोज यह थी कि यातायात की औसत गति ने यह भविष्यवाणी नहीं की कि ये नियर-मिस कहाँ होंगे। शोधकर्ताओं ने पाया कि कारों के सामान्य रूप से कितनी तेज़ चलने और उनके आपस में टकराने के करीब आने की आवृत्ति के बीच कोई मजबूत संबंध नहीं था। एक व्यस्त चौराहा जिसमें धीमी गति का यातायात था, फिर भी अचानक, जोखिम भरी अंतःक्रियाओं से भरा हो सकता था, जबकि एक तेज़ सड़क सुरक्षित रह सकती थी। यह सुझाव देता है कि खतरे का असली कारण गति नहीं है, बल्कि यातायात की अप्रत्याशितता है: ड्राइवर कितनी तेज़ी से ब्रेक लगाते हैं, वे अपने आगे वाली कार के कितने करीब आते हैं, और कितने अलग-अलग प्रकार के सड़क उपयोगकर्ता एक साथ रास्ता पार करने की कोशिश कर रहे हैं। अध्ययन ने दिखाया कि जबकि स्मार्टफोन डेटा इस बात को रैंक करने के लिए उत्कृष्ट था कि कौन से क्षेत्र आम तौर पर तेज़ या धीमे थे, केवल वीडियो डेटा ही उस पल भर की अराजकता को प्रकट कर सका जो दुर्घटनाओं का कारण बनती है।
टेलीमैटिक्स के वाइड-एंगल व्यू को वीडियो विश्लेषण के क्लोज-अप विवरण के साथ बुनकर, शोधकर्ताओं ने शहर योजनाकारों के लिए एक नया उपकरण बनाया। यह संयुक्त दृष्टिकोण उन्हें न केवल यह देखने की अनुमति देता है कि यातायात कहाँ भारी है, बल्कि यह भी कि वह वास्तव में कब खतरनाक हो जाता है। यह सुझाव देता है कि सुरक्षा सुधारों को पूरे दिन या पूरी सड़क पर लागू करने की आवश्यकता नहीं है। इसके बजाय, हस्तक्षेपों को उन विशिष्ट कुछ सेकंडों के लिए लक्षित किया जा सकता है जब जोखिम सबसे अधिक होता है, जैसे कि ट्रैफिक लाइट के समय को समायोजित करना या उन क्षणों के दौरान प्रवर्तन बढ़ाना जब नियर-मिस होने की सबसे अधिक संभावना होती है। यह कार्य प्रदर्शित करता है कि शहरों को सुरक्षित बनाने के लिए, हमें सड़क को कई लेंसों के माध्यम से देखने की आवश्यकता है, यह समझते हुए कि यातायात सुरक्षा की कहानी लंबी यात्रा और पल भर के निर्णय, दोनों में लिखी जाती है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।