Cientistas geoespaciais desenvolveram um novo programa para monitorar os sinais de trânsito que precisam ser substituídos ou reparados por meio das imagens do Google Street View.

O sistema totalmente automatizado é treinado usando detecção de objetos alimentada por IA para identificar sinais de trânsito nas imagens disponíveis gratuitamente.

Atualmente, as autoridades municipais gastam muito tempo e dinheiro monitorando e registrando manualmente a geolocalização da infraestrutura de tráfego, uma tarefa que também expõe os trabalhadores a riscos de tráfego desnecessários.

Resultados recém-publicados no jornal de Computadores, Meio Ambiente e Sistemas Urbanos mostrar que o sistema detecta sinais com quase 96% de precisão, identifica seu tipo com quase 98% de precisão e pode registrar sua geolocalização precisa das imagens 2-D.

Autor do estudo e estudante com honras de ciência geoespacial da RMIT University, Andrew Campbell, disse que o modelo de prova de conceito foi treinado para ver os sinais de 'parar' e 'ceder' (rendimento), mas poderia ser treinado para identificar muitas outras entradas e era facilmente escalonável para uso por governos locais e autoridades de trânsito.

"(As autoridades municipais) têm requisitos para monitorar essa infraestrutura, mas atualmente não há uma forma barata ou eficiente de fazê-lo, "Campbell disse.

"Usando ferramentas gratuitas e de código aberto, agora desenvolvemos um sistema totalmente automatizado para fazer esse trabalho, e fazendo isso com mais precisão. "

A equipe descobriu durante as investigações que os dados obrigatórios de localização do GPS em bancos de dados de sinalização de rua existentes eram frequentemente imprecisos, às vezes até 10m de distância.

"Rastrear esses sinais manualmente por pessoas que podem não ser geocientistas treinados introduz erro humano no banco de dados. Nosso sistema, uma vez configurado, pode ser usado por qualquer analista espacial - você apenas diz ao sistema qual área deseja monitorar e ele cuida disso para você, "Campbell disse.

Campbell creditou o conceito inicial do projeto ao seu mentor da indústria no Alpine Shire Council e ex-aluno da RMIT Geospatial Science, Barrett Higman.

Cientista geoespacial da RMIT e co-líder do projeto, Dr. Chayn Sun, disse que o fato de alguns conselhos já estarem instalando câmeras em caminhões de lixo para coletar imagens de rua mostra o quão valiosos os dados visuais estão se tornando, dado o que a tecnologia agora pode fazer com ele.

"Essas imagens são essenciais para os governos locais no monitoramento e gerenciamento de ativos e com a enorme quantidade de aplicativos geoespaciais em expansão, esta informação só se tornará mais valiosa, "Sun disse.

"A nossa é uma das várias aplicações iniciais para atender a uma necessidade específica da indústria, mas muito mais surgirá nos próximos anos."

Sun disse que filmagens de outras fontes, como as de câmeras de caminhões de lixo ou qualquer outra imagem georreferenciada da rede rodoviária coletada pelas autoridades municipais, também pode ser alimentado no sistema.

"Onde a filmagem já está sendo reunida, nossa pesquisa pode fornecer aos conselhos uma ferramenta econômica para gerar insights e dados a partir deste recurso existente, " ela disse.