സിഗ്നല്‍ ലൈറ്റ് ഇനി AI തെളിക്കും; വാഹനനിരയ്ക്ക് അനുസരിച്ച് പച്ചയും മഞ്ഞയും ചുവപ്പും മാറും
തിരുവനന്തപുരം: തിരക്കേറിയ റോഡുകളിലെ ഗതാഗതക്കുരുക്ക് പരിഹരിക്കാന്‍ ഇനി എഐ സാങ്കേതികവിദ്യയും. റോഡിലെ തിരക്കനുസരിച്ച് ട്രാഫിക് ലൈറ്റ് സിഗ്നലുകളുടെ സമയം ക്രമീകരിക്കുന്ന 'കൗണ്ട് ആന്‍ഡ് ക്ലാസിഫിക്കേഷന്‍' സാങ്കേതിക വിദ്യയുമായാണ് കെല്‍ട്രോണ്‍ എത്തിയിരിക്കുന്നത്. റോഡിലെ തിരക്കനുസരിച്ച് സിഗ്നല്‍ സമയത്തില്‍ ഏറ്റക്കുറച്ചിലുണ്ടാകും.
തിരക്കുള്ള സമയത്ത് പോലീസുകാര്‍ റോഡിലിറങ്ങി ഗതാഗതം നിയന്ത്രിക്കുന്ന രീതി ഒഴിവാക്കാനും പുതിയ സാങ്കേതികവിദ്യ സഹായിക്കും. എഐ സാങ്കേതികവിദ്യ ഉപയോഗിച്ചുള്ള പദ്ധതിയുടെ നിര്‍ദേശം കെല്‍ട്രോണ്‍ ഗതാഗത വകുപ്പിന് സമര്‍പ്പിച്ചിട്ടുണ്ട്. നിലവിലുള്ള ഐഐ ക്യാമറകളുടെ പരിഷ്‌കരിച്ച രൂപമാണ് പുതിയ സാങ്കേതികവിദ്യ.
നേരത്തെ സംസ്ഥാനത്തുടനീളം സ്ഥാപിച്ച എഐ ക്യാമറകളില്‍നിന്നും ലഭിച്ച ഡേറ്റകളുടെ വിശകലനത്തില്‍ നിന്നാണ് പുതിയ പദ്ധതിയിലേയ്ക്ക് കെല്‍ട്രോണ്‍ എത്തിയിരിക്കുന്നത്. ഒരു ജങ്ഷനിലെ ട്രാഫിക് സിഗ്നലുകളില്‍ പുതിയ സംവിധാനം സ്ഥാപിക്കാന്‍ ഏകദേശം 5 ലക്ഷം രൂപയാണ് ചെലവ് പ്രതീക്ഷിക്കുന്നത്. ജങ്ഷനില്‍ സ്ഥാപിച്ചിരിക്കുന്ന എഐ ക്യാമറകള്‍ ദൃശ്യങ്ങളും വാഹനങ്ങളുടെ എണ്ണവും ട്രാഫിക് കണ്‍ട്രോള്‍ റൂമിലേയ്ക്ക് കൈമാറും.
തിരക്കുള്ള റോഡുകളിലെ വാഹനങ്ങള്‍ കടന്നുപോകാന്‍ കൂടുതല്‍ സമയം നല്‍കുന്ന രീതിയാണ് പുതിയ സംവിധാനം പിന്തുടരുന്നത്. ഇതിലൂടെ ഗതാഗതക്കുരുക്ക് കുറയ്ക്കാന്‍ സാധിക്കുമെന്നാണ് പ്രതീക്ഷ. ഈ സംവിധാനത്തില്‍ നടത്തിയ പരീക്ഷണങ്ങള്‍ ഫലം കണ്ടതോടെയാണ് പദ്ധതിയുടെ നിര്‍ദേശം സര്‍ക്കാരിന് കൈമാറിയത്.
നാഗ്പൂരിലെ 174 ജങ്ഷനുകളില്‍ ഗതാഗത സംവിധാനം മെച്ചപ്പെടുത്താനുള്ള കെല്‍ട്രോണിന്റെ പദ്ധതിയിലെ ഒരു സുപ്രധാന ഭാഗം കൂടിയാണ് 'കൗണ്ട് ആന്‍ഡ് ക്ലാസിഫിക്കേഷന്‍' സംവിധാനം. 170 കോടിയുടെ ഈ പദ്ധതി പുരോഗമിക്കുകയാണ്. ഈ പദ്ധതിക്ക് പുറമെ 'ആന്റി ഗ്ലെയര്‍ ഫില്‍റ്റര്‍' സംവിധാനം ഉപയോഗിക്കാനുള്ള നിര്‍ദേശവും കെല്‍ട്രോണ്‍ സമര്‍പ്പിച്ചിട്ടുണ്ട്.
സൂര്യപ്രകാശമുള്ളപ്പോള്‍ നിരീക്ഷണ ക്യാമറയില്‍ ഡ്രൈവറുടെ മുഖം നേരായരീതിയില്‍ പതിയാത്തതിന് പരിഹാരമാണ് ഈ സംവിധാനം. എഐ ക്യാമറ വന്നതിന് ശേഷം നേരിട്ട പ്രധാന പ്രതിസന്ധിയായിരുന്നു ഇത്. പോലീസ് മേധാവിക്ക് സമര്‍പ്പിച്ച ഈ നിര്‍ദേശം നിലവില്‍ വന്നാല്‍ എഐ ക്യാമറകളുടെ കാര്യക്ഷമത വര്‍ദ്ധിക്കുമെന്നാണ് പ്രതീക്ഷ.
Content Highlights: Kerala utilizes AI to optimize traffic lights based on real-time traffic volume, reducing congestion