Kompleksowa usługa inwentaryzacji i monitoringu sieci trakcyjnej metodami sztucznej inteligencji (AI – Artificial Intelligence) oraz uczenia maszynowego (ML – Machine Learning) oferowana przez GISonLine. Obejmuje wykonanie nalotów i opracowanie danych pozyskanych przy użyciu bezzałogowych statków latających (UAV). Pozwala korzystać ze wszystkich zalet profesjonalnych systemów bezzałogowych bez zbędnego ryzyka i kosztów.ów.
Wykorzystanie metod sztucznej inteligencji i uczenia maszynowego pozwala na automatyzację procesów identyfikacji i lokalizacji elementów sieci trakcyjnej, co przekłada się na:
Metoda może być również stosowana np. do szacowania szkód powstałych w wyniku katastrof komunikacyjnych w czasie rzeczywistym lub oceny rzetelności wykonania zleconych napraw i remontów.
W trakcie pilotażu metody – we współpracy z naukowcami z Politechniki Wrocławskiej – wypracowano innowacyjne podejście do preprocessingu: do identyfikacji ciągów przestrzennych, w których napotkanie poszukiwanych elementów trakcji jest bardziej prawdopodobne zastosowano mapy ciepła. W celu detekcji niewielkich, ale istotnych elementów sieci trakcyjnej wykonano analizę grupową, opartą na hierarchii obiektów. Polega ona na wyszukiwaniu niedużych elementów sieci (np. wieszaków czy izolatorów) w określonej relacji przestrzennej do łatwiejszych w identyfikacji obiektów o większych gabarytach (np. konstrukcji wsporczych). W GISonLine opracowaliśmy również algorytm służący do automatycznego przypisania współrzędnych geograficznych zidentyfikowanym obiektom.
Jakość wyników inwentaryzacji i monitoringu sieci trakcyjnej metodami sztucznej inteligencji AI oraz uczenia maszynowego ML jest uzależniona od jakości danych wykorzystanych w trakcie trenowania modelu oraz danych z badanego nalotu.
Podczas prac testowych osiągnięto wysoką skuteczność rozpoznawania obiektów. Całkowity czas wnioskowania wynosił ~900 ms na zdjęcie.
Metoda zastosowana w usłudze może być udoskonalana i rozwijana dzięki wykorzystaniu danych ze skaningu laserowego (Lidar) czy zwiększeniu puli obiektów poddanych treningowi. Docelowo możliwe jest uzyskanie pełnej automatyzacji procesu.
W sensie tematycznym dalszy rozwój metody może obejmować też zagadnienia takie jak:
GISonLine posiada zarówno własny sprzęt, oprogramowanie, jak i prawa autorskie do wypracowanej metody. Dzięki projektowi pilotażowemu nasz zespół zdobył niezbędne kompetencje w zakresie zastosowania narzędzi uczenia maszynowego. Wraz z naszymi wcześniejszymi doświadczeniami z wdrożeń dla branż sieciowych sprawia to, że jesteśmy przygotowani do przeprowadzenia całości procesu realizacji usługi.
Potrzebujesz nowatorskiego, a zarazem niezawodnego rozwiązania wspierającego zarządzanie majątkiem sieciowym? Zapraszamy do kontaktu!
