Para peneliti di Sekolah Teknik NYU Tandon telah mengembangkan sistem AI, SeeUnsafe, untuk meningkatkan keselamatan jalan dengan menganalisis rekaman kamera lalu lintas untuk tabrakan dan nyaris celaka.
Jaringan kamera lalu lintas yang luas di New York City merekam video berjam-jam setiap hari, menciptakan harta karun data yang, hingga kini, sulit dimanfaatkan sepenuhnya. Hal ini akan berubah dengan pengembangan inovatif dari para peneliti di Tandon School of Engineering, New York University (NYU). Sistem kecerdasan buatan baru mereka, SeeUnsafe, bertujuan untuk meningkatkan keselamatan jalan dengan mengidentifikasi tabrakan dan nyaris celaka secara otomatis dalam rekaman lalu lintas yang ekstensif.
Diterbitkan dalam jurnal Accident Analysis and Prevention, penelitian inovatif ini telah meraih Penghargaan Penelitian Vision Zero Kota New York, yang sejalan dengan prioritas keselamatan jalan raya kota tersebut.
Penulis senior Kaan Ozbay, seorang profesor di Departemen Teknik Sipil dan Perkotaan dan direktur pusat C2SMART NYU Tandon, mempresentasikan penelitian tersebut di konferensi tahun ini Simposium Penelitian di Jalan Raya Pada November 19.
SeeUnsafe memanfaatkan model AI yang telah dilatih sebelumnya untuk memahami data visual dan teks, menjadikannya salah satu aplikasi pertama model bahasa besar multimoda untuk menganalisis video lalu lintas berdurasi panjang.
"Ada seribu kamera yang beroperasi 24/7 di New York City. Meminta orang-orang memeriksa dan menganalisis semua rekaman itu secara manual tidak dapat diterima," kata Ozbay dalam siaran pers. "SeeUnsafe memberi pejabat kota cara yang sangat efektif untuk memanfaatkan sepenuhnya investasi yang ada."
Sistem AI ini mengatasi celah kritis dalam manajemen keselamatan lalu lintas — keterbatasan sumber daya dalam menganalisis rekaman video dalam jumlah besar. Dengan mengidentifikasi di mana dan kapan insiden terjadi, SeeUnsafe memungkinkan badan transportasi untuk mengidentifikasi persimpangan berbahaya dan kondisi yang memerlukan intervensi sebelum kecelakaan parah terjadi.
"Agensi tidak perlu menjadi ahli visi komputer. Mereka dapat menggunakan teknologi ini tanpa perlu mengumpulkan dan memberi label data mereka sendiri untuk melatih model analisis video berbasis AI," tambah rekan penulis Chen Feng, seorang profesor madya di NYU Tandon dan salah satu direktur pendiri Center for Robotics and Embodied Intelligence.
Diuji pada kumpulan data Keselamatan Lalu Lintas Toyota Woven, SeeUnsafe mengungguli model lain, mengklasifikasikan insiden lalu lintas dengan tepat sebanyak 76.71% dari waktu dan mengidentifikasi pengguna jalan yang terlibat dengan tingkat keberhasilan setinggi 87.5%.
Keakuratan yang signifikan ini berarti sistem dapat memberikan wawasan yang dapat ditindaklanjuti mengenai keselamatan lalu lintas, yang berpotensi mencegah kecelakaan dengan menginformasikan intervensi tepat waktu seperti rambu-rambu yang lebih baik, pengaturan waktu sinyal yang lebih baik, dan tata letak jalan yang didesain ulang berdasarkan pola nyaris celaka dan tabrakan daripada menunggu kecelakaan terjadi.
Kemampuan sistem untuk menghasilkan laporan keselamatan jalan dengan penjelasan bahasa alami memungkinkannya menjelaskan faktor-faktor seperti kondisi cuaca, volume lalu lintas, dan pergerakan spesifik yang menyebabkan nyaris terjadi kecelakaan atau tabrakan.
Meskipun memiliki beberapa keterbatasan, seperti sensitivitas terhadap akurasi pelacakan objek dan tantangan dalam kondisi cahaya redup, para peneliti yakin SeeUnsafe meletakkan dasar penting untuk kemajuan AI lebih lanjut dalam keselamatan jalan raya.
Sumber: Sekolah Teknik NYU Tandon