Jak se umělá inteligence, drony a kamery starají o bezpečnost na silnicích a mostech

Dopravní nehody mají nejrůznější příčiny, od lidské chyby přes nepříznivé povětrnostní podmínky až po defekty staveb a silničních povrchů. Některé faktory nelze ovlivnit a předejít jim, to ovšem neplatí pro, stav silnic a mostů.
Jakmile je hotová silnice předána do užívání, začne se její povrch postupně působením provozu a počasí poškozovat a erodovat. Vznikající nezjištěné praskliny, vydřená místa a další vady mohou rychle vést k větším problémům vyžadujícím nákladné opravy. Kvůli nim pak vznikají velká zpoždění v dopravě a v nejhorších případech dochází k ohrožení účastníků provozu. Tyto problémy se týkají i mostů, zejména tam, kde je k udržení celistvé konstrukce potřeba beton. Čím dříve jsou vady odhaleny, tím dříve je lze řešit, což šetří čas i peníze a snižuje možná omezení provozu.

Rozpoznání těchto vad vizuální kontrolou bývá velmi náročné, mimo jiné proto, že praskliny jsou z počátku těžko viditelné pouhým okem. Problematická je i předpověď, na kterých místech vady mohou nastat, aby bylo možné jim předejít. Naštěstí nám dokážou pomoci technologie.

Stavění mostů

Dánské ostrovy Zéland a Fyn spojuje visutý most přes Velký Belt postavený před více než dvaceti lety. O jeho údržbu se stará holdingová společnost Sund & Bælt. Ta ve spolupráci s Microsoftem nasadila inovativní řešení kombinující flexibilitu dronů s možnostmi umělé inteligence.

V praxi drony létají okolo mostu a pořizují tisíce snímků betonové konstrukce. Tato metoda je mnohem bezpečnější a rychlejší, než když snímky fotí pracovník zavěšený 200 metrů nad povrchem. Odborné a praktické zkušenosti těchto specialistů se místo toho využívají při trénování algoritmu strojového učení. Ten dokáže po nahrání fotek do cloudu Microsoft Azure automaticky detekovat praskliny v betonovém povrchu. Umělá inteligence poté vytvoří seznam potenciálně problematických oblastí a experti z nich vyberou místa, která je třeba opravit nebo na nich provést údržbu.

Rychle jsme zjistili, že čím víc řešení využíváme, tím je lepší a přesnější.

Bez patřičné péče se praskliny mohou dál zvětšovat, až se odhalí ocelová konstrukce mostu. Pokud ocel začne rezivět, naruší se pevnost mostu a jedinou možností je postavit ho znovu. „Beton se nerozpadne přes noc – je to pomalý proces. Možnost rozpoznat a předvídat místa potenciálního poškození je proto mimořádně užitečná,“ říká Mikkel Hemmingsen, výkonný ředitel společnosti Sund & Bælt.

Výsledkem je postup, který zvyšuje bezpečnost a zároveň šetří čas i peníze. Navíc společnosti umožňuje uplatňovat získané poznatky při konstrukci dalších mostů. Firma navíc plánuje algoritmus dál trénovat při nasazení stejné metody na most přes Malý Belt, most přes Vejle Fjord a Öresundský most.

„Naším původním cílem bylo vytvořit řešení k udržení a zlepšování efektivity, ale rychle jsme zjistili, že čím víc ho využíváme, tím je lepší a přesnější. To nás motivovalo řešení rozšířit na další místa,“ popisuje Hemmingsen.

Od mostů k cestám

Mezinárodní stavební společnost BAM Infra Nederland a přední softwarový integrátor OrangeNXT vyvinuly systém využívající Microsoft Azure, strojové učení a umělou inteligenci k trénování algoritmů, které dokážou přesně rozpoznat a klasifikovat různé typy poškození na silničních površích.

V minulosti společnost BAM vysílala řidiče v autech vybavených kamerami, kteří pořizovali snímky a videa povrchů cest. Získané snímky pak kontrolovali inspektoři a určovali poškozené oblasti, které se zařadily do plánu oprav. „Tento proces byl časově náročný, nákladný a únavný,“ vysvětluje Kitting Lee, ředitel společnosti BAM Infra Nederland pro obchod a inovace. „Potřebovali jsme chytřejší řešení.“

Nové řešení využívá vozidla osazená 360stupňovými kamerami, které nahrávají videozáznam ze všech úhlů. Ten se pak načte do cloudu Azure, kde algoritmy využívající umělou inteligenci automaticky označí potenciálně problematická místa. Na snímcích jsou zároveň zachyceny zeměpisné souřadnice umožňující inspektorům záznam přesně spojit s reálným místem. To zlepšuje rychlost, kvalitu, efektivitu a přesnost těchto vizuálních kontrol silnic a dovoluje předvídat potřebu údržby asfaltu. Zároveň řešení snižuje náklady a uvolňuje ruce inspektorům, kteří mohou své zkušenosti napřít tam, kde jsou skutečně potřeba.

Tento proces byl časově náročný, nákladný a únavný. Potřebovali jsme chytřejší řešení.

„Většina silnic, se kontrolovala jen jednou ročně. Věděli jsme, že kdybychom zvládali častější kontroly, mohli bychom předcházet tomu, aby se z drobných vad staly velké výmoly. To by zlepšilo veřejnou bezpečnost, umožnilo prediktivní údržbu a omezilo naléhavé opravy, které vyžadují uzavření silnice a způsobují dopravní zácpy,“ popisuje Lee.

Vedle zjevného nárůstu efektivity, pokud jde o čas a náklady, přinesl nový systém i vyšší spokojenost zaměstnanců a láká nové talenty. Místo zdlouhavého procházení hodin a hodin záznamů z nepoškozených cest se teď inspektoři mohou zaměřit jen na části vyžadující pozornost.

Po úspěchu nového řešení inspekce asfaltu zvažují nyní společnosti OrangeNXT a BAM i prodej celého procesu v podobě softwaru jako služby v dalších zemích Otevírá se jim tak nová obchodní příležitost a zároveň mají jistotu, že si zachovají konkurenceschopnost.