Зменшення зіткнень тварин із датчиками та ШІ
Новий підхід використовує датчики, ШІ та екологічне моделювання для зменшення зіткнень тварин-транспортних засобів, підвищення безпеки та зменшення витрат для дикої природи та транспортних систем.
Дослідницька група з Oïkolab та Terroïko, Франція, розробила метод зменшення зіткнень між тваринами та транспортними засобами.Цей метод використовує все більшу кількість датчиків у транспортних системах та їх цифрових близнюків.Використовуючи мережу пасток камери, команда має на меті скласти ризики зіткнення між поїздами та дикими тваринами, такими як кабан та козуля.
Зіткнення транспортних засобів для тварин загрожують безпеці людини, зусиллям з охорони природи та транспортною інфраструктурою, що призводить до значних витрат для користувачів та менеджерів.Дослідники запропонували новий підхід для вирішення цього питання.
Процес починається з використання програмного забезпечення для екологічного моделювання для імітації найімовірніших рухів тварин всередині та навколо інфраструктури, допомагаючи визначити потенційні точки перетину.
Після ідентифікації гарячих точок зіткнення екологічне моделювання знову використовується для керівництва розміщенням фотосенсорів у цій галузі.Різні сценарії розгортання моделюються, щоб знайти найкращу відповідність для очікуваних результатів початкового моделювання.
Після розгортання датчиків штучний інтелект (глибоке навчання) використовується для аналізу даних (у даному випадку, зображень) для виявлення та відстеження видів тварин у районі навколо інфраструктури.
Потім дані подаються в модель чисельності, ще один екологічний інструмент, який оцінює щільність тварин у різних областях на основі даних з кількох ключових моментів.Результатом є карта, що показує достаток видів, яка допомагає оцінити ризик зіткнення по інфраструктурі.
Незважаючи на те, що цей підхід був випробуваний на залізничному сегменті на південному заході Франції, він може бути застосований до будь -якої транспортної системи, як нових, так і існуючих, як частина оцінок впливу на навколишнє середовище.
Цей метод також прокладає шлях для включення систем моніторингу, орієнтованих на біорізноманіття, в транспортну інфраструктуру та їх цифрові близнюки.Надалі датчики, які постійно збирають дані, можуть допомогти створити динамічні, адаптаційні карти та надати інформацію в режимі реального часу драйверам, досягаючи автономних транспортних засобів.
