Gender and Age-Based Violations in Motorcycle Behaviours: A Case Study in Marrakesh
यह शोध पत्र मार्राकेश में विशिष्ट मोटरसाइकिल यातायात उल्लंघनों का पता लगाने के लिए YOLOv11 और CNN मॉडलों का उपयोग करने वाले एक डीप लर्निंग-आधारित सिस्टम को प्रस्तुत करता है, जो शहरी सड़क सुरक्षा और कानून प्रवर्तन को बढ़ाने के लिए सवार की आयु और लिंग के साथ उनके सहसंबंध का विश्लेषण करता 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
विकासशील दुनिया के शहरों की व्यस्त सड़कों में, परिवहन में एक शांत क्रांति लोगों के आवागमन के तरीके को नया रूप दे रही है। मोटरसाइकिलें लोकप्रियता में तेजी से बढ़ी हैं, जो कारों के एक फुर्तीले और किफायती विकल्प के रूप में उभर रही हैं, विशेष रूप से उन स्थानों पर जहाँ यातायात जाम एक दैनिक वास्तविकता है। मराकेश, मोरक्को में, ये दोपहिया वाहन अब सभी सड़क उपयोगकर्ताओं में साठ प्रतिशत से अधिक हिस्सेदारी रखते हैं। जहाँ यह बदलाव दक्षता लाता है, वहीं यह सुरक्षा की एक जटिल चुनौतियों का जाल भी पेश करता है। जिस अनूठे तरीके से सवार तंग जगहों से होकर गुजरते हैं और भीड़भाड़ वाले चौराहों को पार करते हैं, वह न केवल उनके लिए, बल्कि पैदल यात्रियों और बड़े वाहनों के चालकों के लिए भी खतरा पैदा करता है। सुरक्षा को समझने और सुधारने के लिए, शोधकर्ता विज्ञान के एक ऐसे क्षेत्र की ओर मुड़ रहे हैं जो मशीनों को दुनिया को मनुष्यों की तरह देखने और समझने की अनुमति देता है। कैमरों और उन्नत सॉफ्टवेयर का उपयोग करके, वैज्ञानिक अब यातायात के प्रवाह को देख सकते हैं, विशिष्ट व्यवहारों की पहचान कर सकते हैं, और यहाँ तक कि हैंडल के पीछे बैठे लोगों को भी पहचान सकते हैं। यह दृष्टिकोण केवल गिनती से आगे बढ़कर है; यह यातायात के मानवीय तत्व को समझने का प्रयास करता है, जो इस बात की तलाश करता है कि विभिन्न समूहों के लोग सड़क के नियमों के साथ कैसे तालमेल बिठाते हैं।
मराकेश के कादी अयाद विश्वविद्यालय के शोधकर्ताओं की एक टीम ने इस अवधारणा को एक कदम आगे बढ़ाते हुए एक ऐसी प्रणाली विकसित की है जिसे मोटरसाइकिल सवारों के बीच खतरनाक आदतों को पकड़ने के लिए डिज़ाइन किया गया है। उनका काम चार विशिष्ट उल्लंघनों पर केंद्रित है जो अक्सर दुर्घटनाओं का कारण बनते हैं: बिना हेलमेट के सवारी करना, गाड़ी चलाते समय मोबाइल फोन का उपयोग करना, रेड लाइट जंप करना (लाल बत्ती पार करना), और अन्य वाहनों के बीच अनिश्चित रूप से ज़िगज़ैग करना। इन व्यवहारों का अध्ययन करने के लिए, टीम ने एक व्यस्त चौराहे पर एक उच्च-रिज़ॉल्यूशन कैमरा स्थापित किया जो भारी मोटरसाइकिल यातायात के लिए जाना जाता है। कई दिनों के दौरान, उन्होंने सुबह, दोपहर और शाम के समय के वीडियो फुटेज के सात घंटे से अधिक रिकॉर्ड किए, जिसमें शहर की दैनिक लय को कैद किया गया। यह कच्चा दृश्य डेटा उनके अन्वेषण का आधार बना, जिससे उन्हें वास्तविक दुनिया की ड्राइविंग आदतों को घटित होते हुए देखने की अनुमति मिली।
उनकी पद्धति का मूल 'डीप लर्निंग' नामक एक परिष्कृत प्रकार के कृत्रिम बुद्धिमत्ता (आर्टिफिशियल इंटेलिजेंस) पर आधारित है। शोधकर्ताओं ने पहले प्रत्येक मोटरसाइकिल और सवार को खोजने के लिए एक शक्तिशाली डिटेक्शन टूल का उपयोग करके वीडियो फ्रेम को स्कैन किया। एक बार जब वाहन मिल गया, तो सिस्टम ने ड्राइवर के चेहरे की पहचान करने के लिए ज़ूम किया। वहां से, सॉफ्टवेयर ने सवार की आयु का अनुमान लगाने और उनका लिंग निर्धारित करने के लिए विशिष्ट चेहरे की विशेषताओं का विश्लेषण किया। इस जनसांख्यिकीय जानकारी को सीधे सवार द्वारा किए जा रहे कार्यों से जोड़ा गया। सिस्टम को यह पहचानने के लिए प्रशिक्षित किया गया था कि कब हेलमेट गायब था, कब हाथ चेहरे के पास फोन पकड़े हुए था, कब किसी वाहन ने लाल सिग्नल के विरुद्ध स्टॉप लाइन पार की थी, या कब एक मोटरसाइकिल कारों के बीच एक टेढ़े-मेढ़े, अप्रत्याशित पथ पर चली थी। सवार कौन है और वे क्या कर रहे हैं, इसे जोड़कर, शोधकर्ता सामान्य आंकड़ों से आगे बढ़कर यह देख सके कि क्या लोगों के विशिष्ट प्रकार विशिष्ट नियमों को तोड़ने की अधिक संभावना रखते हैं।
इस विश्लेषण के परिणामों ने सवार के व्यवहार में स्पष्ट और विशिष्ट पैटर्न प्रकट किए। डेटा ने दिखाया कि व्यक्ति के उल्लंघन करने की संभावना में आयु एक महत्वपूर्ण कारक है। अठारह से पच्चीस वर्ष की आयु के सवार ड्राइविंग के दौरान मोबाइल फोन का उपयोग करने के प्रति सबसे अधिक प्रवृत्त थे, जिसमें दोनों लिंगों के बीच इस समूह में व्याकुलता की उच्चतम दर देखी गई। इसके विपरीत, छब्बीस से पैंतीस आयु वर्ग के लोग हेलमेट न पहनने के मामले में डेटा में अधिक बार दिखाई दिए। जब लिंग की बात आई, तो अध्ययन में पाया गया कि पुरुष सवारों ने सामान्य रूप से महिला सवारों की तुलना में सभी श्रेणियों में उल्लंघन अधिक दर से किए। यह वाहनों के बीच ज़िगज़ैग करने की खतरनाक प्रथा में विशेष रूप से स्पष्ट था, जहाँ अठारह से पच्चेस वर्ष के युवा पुरुषों का ऐसे सभी मामलों में लगभग एक तिहाई हिस्सा था। महिला सवार, विशेष रूप से अधिक आयु वर्ग की, नियमों को बहुत कम बार तोड़ते हुए देखी गईं।
इन निष्कर्षों को समझने के लिए, शोधकर्ताओं ने एक निर्णय मॉडल (डिसीजन मॉडल) बनाया जो यह मानचित्रित करता है कि आयु, पिछला व्यवहार और लिंग कैसे एक सवार के विकल्पों को प्रभावित करते हैं। विश्लेषण ने सुझाव दिया कि आयु, जोखिम भरे व्यवहार का सबसे शक्तिशाली भविष्यवक्ता है। युवा सवार जोखिम लेने के प्रति अधिक इच्छुक थे, जबकि अधिक उम्र के सवार अधिक अनुपालन करने वाले थे। मॉडल ने यह भी संकेत दिया कि एक सवार का इतिहास मायने रखता; जिन लोगों ने अतीत में नियम तोड़े थे, उनके दोबारा तोड़ने की संभावना अधिक थी, जो यह दर्शाता है कि असुरक्षित ड्राइविंग अक्सर एक निरंतर आदत होती है न कि केवल एक बार की गलती। हालांकि लिंग ने भूमिका निभाई, लेकिन इसका प्रभाव आयु जितना मजबूत नहीं था और यह अक्सर उल्लंघन के विशिष्ट संदर्भ पर निर्भर था। उदाहरण के लिए, जबकि युवा पुरुष कुल मिलाकर सबसे अधिक अपराधी थे, वहां विशिष्ट स्थितियां थीं जहां पुरुष और महिला व्यवहार के बीच का अंतर कम स्पष्ट था।
अध्ययन यह निष्कर्ष निकालता है कि ये बुद्धिमान प्रणालियाँ केवल मानव अवलोकन पर निर्भर रहने के बजाय यातायात सुरक्षा बढ़ाने का एक आशाजनक तरीका प्रदान करती हैं। उल्लंघन का स्वतः पता लगाकर और उन्हें सवारों की जनसांख्यिकी से जोड़कर, अधिकारी अधिक लक्षित प्रवर्तन और शिक्षा रणनीतियों की ओर बढ़ सकते हैं। सभी ड्राइवरों के लिए एक व्यापक दृष्टिकोण अपनाने के बजाय, सुरक्षा अभियानों को विशिष्ट जोखिमों या अठारह से पच्चीस आयु वर्ग को प्रभावित करने वाले विशेष विकर्षणों को संबोधित करने के लिए तैयार किया जा सकता है। शोधकर्ताओं का कहना है कि हालांकि उनका सिस्टम एकत्र किए गए डेटा के साथ अच्छी तरह से काम कर रहा था, भविष्य के सुधारों में भविष्यवाणियों को और अधिक सटीक बनाने के लिए मौसम की स्थिति और यातायात घनत्व जैसे कारक शामिल किए जा सकते हैं। अंततः, यह कार्य प्रदर्शित करता है कि यातायात उल्लंघन के पीछे के मानवीय पैटर्न को समझकर, शहर सड़क पर सभी की सुरक्षा के लिए अधिक स्मार्ट और प्रभावी तरीके विकसित कर सकते हैं।
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।