מערכת בינה מלאכותית חדשה חוזה דינמיקת קהל למניעת סיכונים בטיחותיים

This post is also available in: English (אנגלית)

חוקרים מהמכון הקוריאני המתקדם למדע ולטכנולוגיה (KAIST) פיתחו מערכת מתקדמת של בינה מלאכותית, המסוגלת לחזות תנועות קהל בדיוק גבוה בהרבה משיטות קיימות. בשונה מטכנולוגיות מסורתיות לניטור קהל שמתבססות בעיקר על ספירת אנשים, המערכת הזו מנתחת גם את מספר האנשים באזור מסוים וגם את דפוסי התנועה שלהם לאורך זמן – מה שמאפשר זיהוי מוקדם יותר של עומסים פוטנציאליים או סיכונים בטיחותיים.

הטכנולוגיה הוצגה בכנס ACM SIGKDD בנושא גילוי ידע וכריית מידע, ומביאה עמה גישה חדשה לחיזוי תנועת קהל. היא מבוססת על מודל גרפי דינמי שעוקב לא רק אחר צפיפות האוכלוסייה (node data), אלא גם אחר זרימת האנשים בין אזורים שונים (edge data). ניתוח דו-שכבתי זה מספק התרעה מוקדמת על התקהלויות – גם באזורים שייתכן ואינם נראים עמוסים באותו רגע, כך על פי TechXplore.

לדוגמה, סכנה מיידית במעבר צר עשויה שלא להתבטא בנתוני צפיפות בלבד. אך כאשר משלבים את הנתונים עם מידע על זרימת אנשים קבועה מאזורים סמוכים, המודל מסוגל לצפות כי המקום יהפוך במהרה למסוכן.

ליבת המערכת מבוססת על טכניקת למידה בי-מודלית, הלוקחת בחשבון משתנים מרחביים וזמניים כאחד. הבינה המלאכותית לומדת לא רק כיצד אזורים שונים מקושרים גאוגרפית, אלא גם כיצד משתנים דפוסי התנועה לאורך זמן. רכיב מרכזי במערכת הוא שיטת למידה חדשנית בשם "למידה קונטרסטיבית תלת-ממדית", המשלבת נתוני מרחב עם נתוני זמן– ליצירת תמונה שלמה ומדויקת יותר של התנהגות הקהל.

המערכת מאפשרת לחזות לא רק היכן הקהל נמצא ברגע נתון, אלא גם כיצד הוא מתפתח – מידע שעשוי להיות קריטי למניעת אסונות כמו רמיסות המוניות, או לניהול אירועים ציבוריים רחבי היקף.

לצורך אימות המודל, השתמשו החוקרים בנתוני אמת מדרום קוריאה וארה״ב, כולל נתוני תנועה במטרו של סיאול, בוסאן ודאגו, נתוני תחבורה ציבורית מניו יורק, ואף מידע על מקרי תחלואה בתקופת מגפת הקורונה. המערכת הדגימה שיפור של עד 76.1% בדיוק התחזיות לעומת שיטות קיימות.

המחקר מצביע על יישומים פוטנציאליים בתחומי בטיחות הציבור, תכנון עירוני ואף בריאות הציבור – ומציע פתרון הניתן להרחבה עבור ערים השואפות לשפר את המודעות המצבית שלהן בזמן אמת.