Nokia utilise l’IA pour améliorer la sécurité des passages à niveau au Japon
Les passages à niveau, qu'ils soient automatisés ou non, sont des zones à risque, pour les véhicules, leurs passagers mais aussi, évidemment, les trains. Nokia mène actuellement une expérience au Japon à base d'intelligence artificielle pour améliorer leur sécurité.
Nokia utilise un algorithme d’intelligence artificielle basé sur le machine learning pour identifier en temps réel d’éventuels problèmes qui pourraient survenir à proximité de certains passages à niveau au Japon. La compagnie de chemin de fer Odakyu Electric Railway teste la solution Nokia SpaceTime pour identifier des méthodes d’amélioration de la sécurité des franchissements des voies. Si les résultats sont concluants, cela pourrait permettre de sauver de nombreuses vies chaque année.
Nokia utilise l’IA pour sécuriser davantage les passages à niveau
Actuellement déployé sur le passage à niveau Tamagawa Gakuenmae No.8, à Machida City, Tokyo, l’analyseur de scène Nokia SpaceTime est capable grâce à ses diverses caméras et à une analyse via machine learning d’un jeu de données conséquent de détecter des événements anormaux en temps réel. Les tests ont démarré il y a quelques jours et se poursuivront jusque dans le courant du mois de Mars. Développé par Nokia Bell Labs, SpaceTime suit de près les 229 passages à niveau disséminés sur les 120,5 km de voies de Odakyu. Pas moins de 137 systèmes radars ont été implantés pour détecter les objets.
En analysant les flux d’images générés par les caméras de surveillance traditionnelles, le programme est capable d’identifier d’éventuels problèmes avant qu’ils ne surviennent. SpaceTime est aussi en mesure d’économiser au maximum le besoin en bande-passante. Une solution très bienvenue sur des sites distants qui ne disposeraient que d’une connectivité très limitée. Et ce n’est pas tout. Le système Nokia SpaceTime peut aussi alerter en temps réel de toute intrusion non autorisée sur des zones à accès réglementé. Il est aussi en mesure de prévenir qui de droit lorsque le personnel ou du matériel se retrouve en danger ou pourrait être source de danger.
Une expérimentation menée actuellement au Japon et déjà très prometteuse
« Le réseau connecté de caméras est l’une des sources de données les plus prolifiques de l’Internet des Objets en ce qui concerne la collecte d’informations pour faire progresser les standards de sécurité », déclarait John Harrington, directeur de Nokia Japon. « En lançant des analyses de machine learning sur les flux d’images des caméras et en n’envoyant que les scènes et événements pertinents aux opérateurs, la vidéosurveillance prend tout son sens, et les passages à niveau s’avèrent être un cas pratique particulièrement intéressant. »