Jalur kritis responden
Automotive

Jalur kritis responden


Platform perutean SAFE-NET. Kredit: Institut Standar dan Teknologi Nasional

Kita semua mengandalkan aplikasi navigasi di perangkat seluler untuk mengarahkan rencana perjalanan harian kita. Dalam beberapa detik setelah mengetik tujuan kami di bilah pencarian yang berkedip, kami memiliki rute yang direncanakan dengan ahli dan perkiraan waktu kedatangan. Aplikasi ini sangat akurat, biasanya memprediksi waktu perjalanan Anda dalam beberapa menit keakuratan. Namun, bagi penanggap pertama di negara kita, beberapa menit itu bisa berarti perbedaan antara menyadarkan seseorang dari serangan jantung dan terlambat sampai di sana. Dalam dunia keamanan publik, menit, bahkan detik, bisa sangat berarti. Proyek yang didanai Divisi Riset Komunikasi Keselamatan Publik NIST dari Southern Methodist University bertujuan untuk menciptakan platform navigasi keselamatan publik yang disesuaikan dengan kebutuhan untuk mendukung pengiriman personel yang efisien dan aman untuk tanggap darurat. Proyek ini bermaksud untuk melampaui kemampuan aplikasi navigasi biasa dengan berupaya memprediksi hambatan tanggap darurat seperti cuaca, banjir, pola lalu lintas, dan ketersediaan sumber daya tanggapan.

Masalah

Truk pemadam kebakaran tidak terlalu mirip dengan kendaraan sipil pada umumnya, sehingga aplikasi seperti Google Maps dan Waze yang telah dapat diakses dan dapat diandalkan oleh orang Amerika sehari-hari gagal memenuhi kebutuhan penanggap pertama. Pertama dan terpenting, kendaraan darurat secara signifikan lebih besar dan lebih sulit untuk dikemudikan jika dibandingkan dengan mobil biasa. Karena itu, mereka seringkali tidak dapat dikendarai di jalan yang berkelok-kelok atau sempit. Manuver berisiko lainnya untuk truk besar adalah belokan kiri, yang dapat meningkatkan risiko kecelakaan lalu lintas. Para peneliti yang bekerja pada proyek SAFE-NET melihat peluang untuk memodifikasi sistem algoritma navigasi yang ada untuk memenuhi kebutuhan perutean khusus untuk keselamatan publik.

Dr. Khaled Abdelghany, penyelidik utama proyek ini, menjelaskan tujuan keseluruhan penelitian mereka: “Kami ingin mengembangkan platform analitik yang menggunakan data untuk memberikan kemampuan yang lebih baik bagi penanggap pertama dalam hal cara mereka mengirimkan sumber daya dari stasiun pemadam kebakaran. dan untuk memastikan pengiriman cepat dan aman. ” Tim peneliti SAFE-NET bekerja bersama Departemen Penyelamatan Kebakaran Dallas untuk sepenuhnya memahami tantangan yang dihadapi oleh keselamatan publik untuk dimasukkan ke dalam solusi mereka. Untuk membangun platform, tim mempertimbangkan tantangan navigasi khusus yang dihadapi kendaraan darurat, waktu tempuh, risiko kecelakaan lalu lintas, dan risiko banjir. Tim peneliti memasukkan masing-masing lapisan data ini ke dalam platform mereka untuk memprediksi rute risiko tercepat dan terendah yang dapat diambil kendaraan darurat saat menanggapi insiden di wilayah hukum mereka.

Risiko Mengemudi Kendaraan Darurat

Salah satu risiko paling signifikan yang dihadapi kendaraan darurat adalah datang terlambat. Karena itu, tim menyelidiki risiko kemacetan lalu lintas akibat kecelakaan. May Yuan menjelaskan, “Pengiriman darurat adalah operasi yang sangat sensitif dan ada banyak nuansa yang melampaui pola pikir Anda sebagai peneliti.” Dr. Yuan menganalisis data kecelakaan lalu lintas untuk menentukan karakteristik lokasi yang dapat mempengaruhi kemungkinan kecelakaan lalu lintas (seperti perkerasan kasar atau jalur yang tidak rata). Dia kemudian menggunakan karakteristik umum tersebut untuk mengidentifikasi lokasi potensial kecelakaan lalu lintas lainnya yang sesuai dengan kriteria tersebut di seluruh kota Dallas. Dr. Yuan menjelaskan, “Kami mengkategorikan lokasi berdasarkan risiko lalu lintas tinggi dan rendah berdasarkan karakteristik situs dan data kecelakaan lalu lintas selama 10 tahun terakhir. Idenya adalah jika kami ingin mengirimkan kendaraan darurat, Anda mungkin lebih baik mengirim di sepanjang jalan kecil kemungkinannya mengalami kecelakaan lalu lintas yang dapat menunda kedatangan kendaraan darurat di lokasi panggilan. “

Risiko tambahan yang diidentifikasi oleh Departemen Penyelamatan Kebakaran Dallas yang perlu dipertimbangkan oleh tim adalah risiko banjir pada rute pengiriman darurat yang potensial. Dengan meningkatnya frekuensi badai yang disebabkan oleh perubahan iklim, banjir di Texas diperkirakan akan menjadi masalah berkelanjutan bagi pria dan wanita yang menavigasi tanggap darurat. Meningkatnya urbanisasi dan permukaan kedap air berikutnya juga meningkatkan kemungkinan banjir. Banjir di jalan raya mengancam misi penanggap pertama melalui penutupan jalan, perlambatan lalu lintas, dan — dalam skenario terburuk — nyawa mereka bisa terancam. Dr. Barbara Minsker menunjukkan, “Penanggap pertama harus dapat melakukan rute di sekitar daerah tertentu yang mungkin banjir — ada kasus di mana penanggap pertama meninggal karena kendaraan mereka hanyut dalam banjir bandang.”

Platform SAFE-NET bertujuan untuk memperkirakan kemungkinan banjir di jalan raya dengan pemodelan berbasis data. Dr. Minsker menjelaskan, “Kami menggunakan data dari Dallas selama dua tahun terakhir terjadinya badai, di mana orang-orang telah mencatat bahwa daerah-daerah tertentu dilanda banjir. Kami menganalisis seberapa sering daerah-daerah tertentu ini mengalami banjir relatif terhadap kekuatan badai, curah hujan rata-rata, dan topografi wilayah tersebut. Kemudian, kami membuat model statistik yang menghubungkan titik-titik data tersebut sehingga kami dapat memprediksi risiko banjir di wilayah tersebut. “

Tim menggunakan pembelajaran mesin dan kecerdasan buatan untuk membangun platform SAFE-NET, menggabungkan masing-masing elemen risiko ini dan pertimbangan khusus lainnya untuk kendaraan darurat, yang bertujuan untuk membantu penanggap pertama menemukan rute tercepat, paling efisien, dan teraman, mengingat mereka Persyaratan.

Langkah Selanjutnya dalam Penelitian

“Sungguh menarik untuk melakukan sesuatu untuk penanggap pertama,” jelas Dr. Minsker, “Ini memberi kami kesempatan untuk terhubung dengan Dallas Fire-Rescue dan membangun beberapa hal yang kami masing-masing, secara individu, lakukan di tempat baru. cara untuk membantu responden. ” Peluang pendanaan PSCR membutuhkan kolaborasi dengan responden pertama untuk memastikan hasilnya memiliki dampak nyata. Yuan menambahkan, “Di dunia akademis, kami melakukan banyak pekerjaan konseptual teoretis, dan proyek ini benar-benar merupakan jembatan yang baik antara penyelidikan konseptual, teoretis, dan aplikasi dunia nyata. Untuk melihat penelitian kami dalam operasi dunia nyata — di kasus ini, untuk membantu penanggap pertama menyediakan komunitas yang aman untuk kota — sangat memuaskan. “

Tim berharap untuk melanjutkan penelitian ini, membangun model statistik dan algoritma pembelajaran mesin yang telah mereka kembangkan untuk platform SAFE-NET. Dr. Michael Hahsler merefleksikan, “Idenya adalah bahwa kita juga dapat menggunakan kecerdasan buatan untuk memprediksi di mana keadaan darurat berikutnya paling mungkin terjadi. Ada area di mana kebakaran lebih mungkin terjadi atau area di mana keadaan darurat medis lebih mungkin terjadi, selama waktu yang berbeda hari ini. Jika kita memiliki kekuatan pengetahuan ini, kita benar-benar dapat memindahkan kendaraan lebih dekat ke tempat yang menurut kita keadaan darurat paling mungkin terjadi lain kali. ”


Banjir berdampak pada waktu tanggap darurat di Inggris


Informasi lebih lanjut:
Untuk informasi lebih lanjut, lihat www.nist.gov/ctl/pscr/safe-net… e-computing-platform

Disediakan oleh Institut Standar dan Teknologi Nasional

Kutipan: Jalur kritis responden (2021, 27 Januari) diambil pada 27 Januari 2021 dari https://techxplore.com/news/2021-01-critical-path.html

Dokumen ini memiliki hak cipta. Selain dari transaksi yang adil untuk tujuan studi atau penelitian pribadi, tidak ada bagian yang boleh direproduksi tanpa izin tertulis. Konten disediakan untuk tujuan informasi saja.




Halaman Ini Di Persembahkan Oleh : Data HK