Gelişen sistem, en yüksek tehlike altındaki bazı yayalara odaklanıyor.
Avusturya’nın Viyana şehrinde çalışan şehir planlamacıları, 2018 yılında yaya güvenliğini artırmak için özel olarak tasarlanan ilk akıllı trafik lambalarını kurmuştu. Şimdi ise Graz Teknoloji Üniversitesinde çalışan araştırmacılar, yıllar süren analiz ve iyileştirmelerin ardından dört yaya geçidindeki 21 trafik ışığı için yazılımın ikinci sürümünü çıkardılar. Derin öğrenime dayanan ve üstel şekilde daha karmaşık olan yeni sistem, selefinin aksine yürümeye yardımcı aletleri, tekerlekli sandalyeleri ve hatta bebek arabaları olan yayalara daha fazla yardım sağlamak üzere programlanmış.
Engelli insanlar işlek sokaklardan geçerken orantısız tehlikelerle karşı karşıya kalıyor. Örneğin tekerlekli sandalye kullanan yayaların arabaların karıştığı bir kazada ölme riski, ayaktayken araba çarpan yayalara kıyasla yüzde 36 daha yüksek. Bu durumun sebebiyse genelde, sürücülerin görüş kabiliyetinin azalabilmesi ve tekerlekli sandalyedeki yayaların karşıya geçmesinin daha uzun sürmesi gibi birkaç etmenin birleşmesinden kaynaklanıyor. Akıllı trafik ışığı kameraları yayaların çoğunu tespit etse de hareket imkanı sınırlı olan kişileri bu kadar kolay tespit edemiyor. Örneğin ABD’de araştırmacılar, engellilerin rota kullanmasına ve trafik kameralarıyla koordine olmasına yardımcı olacak özel uygulamalar üzerinde çalışıyor.
Geçtiğimiz hafta Graz Teknoloji Üniversitesinin yayımladığı bir makaleye göre geliştirilmiş akıllı yaya geçidi ışıkları, bu önceki sınırlamaları uygulamaya ihtiyaç kalmadan büyük ölçüde çözüme kavuşturuyor. Sebebiyse ilk programlamaya göre binlerce kat daha yüksek hesaplama kuvveti olması. Saniye başına gerçekleşen yüzer nokta işlemleri veya flop’lar, bir sistemin olası hesaplama sayısını ölçüyor ve genelde büyük, dinamik aralıklar barındırıyor. Teraflop’lar (saniyede bir trilyon yüzer nokta işlemi), yüksek performanslı ekran kartlarında veya süperbilgisayarlarda en sık görülenler. 2018 yılında ışıklar etraflarını 0,5 teraflop güçlü analiz ederken, geliştirilmiş teknoloji hesaplamalar için 100 ile 300 teraflop arasında bir değer kullanıyor.
Proje yöneticisi Horst Possegger, “Böylelikle daha karmaşık ve bu yüzden daha kabiliyetli bir makine öğrenim modeli kullanıyoruz; yani insanlar daha doğru ve güçlü bir şekilde tespit edilebiliyor” diyor bir açıklamada. “Hareket azalması olan insanlar genelde karşıya geçmek için daha uzun süreye ihtiyaç duyuyor. Bizim trafik ışığı sistemimiz bu gibi ihtiyaçları çok güvenilir şekilde tanıyabiliyor ve bu sayede yeşil ışık aşaması gerektiği gibi uzatılabiliyor.”
Programcılar bu son yaya analiz yazılımını oluşturmak için çeşitli miktarlarda insan, durum ve farklı yürüme aksesuarları içeren sokak senaryolarının görüntülerini barındıran bir veri seti toplamış. Fakat insanların özel hayatına saygı gösteren araştırmacılar, habersiz veya anonimleştirilmiş yabancılardan fotoğraf toplamak yerine gönüllüler yardımıyla Graz Teknoloji Üniversitesinin Inffeldgasse kampüsünde bazı sahneleri canlandırmışlar. Çalışma sonucunda ortaya çıkan derin öğrenim modeli, bir insanın bir yoldan ne zaman geçmek istediğini yüzde 99 isabetle tahmin edebiliyor. Hareket kısıtlamaları ise en az yüzde 85 isabet oranına sahip. Sınıflandırma hataları meydana geldiği zaman bile bir trafik ışığının yeşil yanma aşaması en az standart miktarda zamanla talep ediliyor.
Her kamera, belli bir zamanda hangi yayaların karşıya geçmek istediğini saptamak için her bir akıllı ışığın etrafında yer alan yaklaşık 30 metrekarelik bir bekleme alanını değerlendiriyor. Tasarımcılar için özel hayatın gizliliği burada da önemli bir kaygı. Kameralar her seferinde gerçek zamanlı görüntü verilerini 50 milisaniyeden kısa sürede işleyip siliyor. Daha sonra kullanılmak üzere depolanabilen tek veri, yayaların miktarının yanısıra muhtemel hareket kısıtlılığı sınıflandırmaları. Sistemi tasarlayanlar, bu isimsiz istatistik verilerinin yakında şehir planlamacılarına trafik ışıklarını daha iyi koordine etmelerinde ve hatta nihayetinde, akıllı ışık programlarını tümüyle yeniden tasarlamalarında yardımcı olmasını ümit ediyor.
Yazar: Andrew Paul/Popular Science. Çeviren: Ozan Zaloğlu.
