NIT राउरकेला ने अत्याधुनिक यातायात प्रबंधन समाधान विकसित किया

Rourkela राउरकेला। बढ़ती यातायात चुनौतियों के जवाब में, राष्ट्रीय प्रौद्योगिकी संस्थान राउरकेला (एनआईटी राउरकेला) के शोधकर्ताओं ने विकासशील देशों में यातायात प्रबंधन में सुधार के उद्देश्य से एक एआई-आधारित मल्टी-क्लास व्हीकल डिटेक्शन (एमसीवीडी) मॉडल और एक लाइट फ्यूजन बाई-डायरेक्शनल फीचर पिरामिड नेटवर्क (एलएफबीएफपीएन) टूल विकसित किया है। इलेक्ट्रॉनिक्स और संचार इंजीनियरिंग विभाग (ईसीई) के एसोसिएट प्रोफेसर प्रो. संतोस कुमार दास के नेतृत्व में, शोध दल ने एक इंटेलिजेंट व्हीकल डिटेक्शन (आईवीडी) सिस्टम का लाभ उठाया है, जो छवियों और वीडियो में वाहनों की पहचान करने के लिए कंप्यूटर विज़न का उपयोग करता है।

यह सिस्टम ट्रैफ़िक प्रवाह को अनुकूलित करने, भीड़भाड़ को कम करने और भविष्य की सड़क योजना में सहायता करने के लिए वास्तविक समय का ट्रैफ़िक डेटा एकत्र करता है। इस शोध के निष्कर्ष प्रतिष्ठित जर्नल, IEEE ट्रांजेक्शन ऑन इंटेलिजेंट ट्रांसपोर्टेशन सिस्टम्स में प्रकाशित हुए हैं, जिसका सह-लेखन डॉ. संतोस कुमार दास ने अपने शोध विद्वानों श्री प्रशांत देशमुख, श्री कृष्ण चैतन्य रायसम के साथ-साथ ECE, NIT राउरकेला के प्रो. उपेंद्र कुमार साहू और IISc बैंगलोर के प्रो. सुधन माझी के साथ किया है।

जबकि IVD सिस्टम संगठित यातायात वाले विकसित देशों में अच्छा प्रदर्शन करते हैं, लेकिन उन्हें मिश्रित यातायात वाले विकासशील देशों में चुनौतियों का सामना करना पड़ता है। भारत जैसे देशों में, कारों और ट्रकों से लेकर साइकिल, रिक्शा, पशु गाड़ियाँ और पैदल यात्री तक कई तरह के वाहन अक्सर पास-पास चलते हैं, जिससे वाहनों का सटीक पता लगाना मुश्किल हो जाता है।

पारंपरिक IVD विधियाँ, जिनमें रडार और लाइट डिटेक्शन एंड रेंजिंग (LiDAR) जैसे सेंसर सिस्टम शामिल हैं, नियंत्रित वातावरण में प्रभावी हैं, लेकिन धूल या बारिश जैसी प्रतिकूल मौसम स्थितियों में संघर्ष करती हैं। इसके अलावा, इन प्रणालियों को स्थापित करना महंगा है। वीडियो-आधारित सिस्टम खास तौर पर भारत के लिए ज़्यादा आशाजनक हैं, लेकिन पारंपरिक वीडियो प्रोसेसिंग तकनीक तेज़ गति से चलने वाले ट्रैफ़िक से जूझती हैं और इसके लिए काफ़ी कम्प्यूटेशनल पावर की ज़रूरत होती है।

डीप लर्निंग (डीएल) मॉडल, एक तरह का आर्टिफिशियल इंटेलिजेंस (एआई) जो मौजूदा डेटा से सीखता है, वीडियो फ़ीड में वाहनों का पता लगाने का एक कारगर तरीका प्रदान करता है। ये मॉडल ट्रैफ़िक इमेज की पहचान करने और उसका विश्लेषण करने के लिए कन्वोल्यूशनल न्यूरल नेटवर्क (सीएनएन) का इस्तेमाल करते हैं। हालांकि, वे अक्सर अलग-अलग आकार और कोणों वाले वाहनों का सटीक पता लगाने में विफल रहते हैं, खास तौर पर व्यस्त, मिश्रित ट्रैफ़िक वाले वातावरण में। इसके अलावा, ऐसी जटिल परिस्थितियों के लिए डिज़ाइन किए गए लेबल वाले डेटासेट की कमी है।

इन चुनौतियों का समाधान करने के लिए, प्रो. संतोस कुमार दास और उनकी टीम ने नया MCVD मॉडल विकसित किया, जो ट्रैफ़िक इमेज से मुख्य विशेषताओं को कुशलतापूर्वक निकालने के लिए वीडियो डिइंटरलेसिंग नेटवर्क (VDnet) का उपयोग करता है, भले ही वाहनों का आकार और आकार अलग-अलग हो। उन्होंने निकाले गए विवरणों को और बेहतर बनाने के लिए लाइट फ़्यूज़न बाई-डायरेक्शनल फ़ीचर पिरामिड नेटवर्क (LFBFPN) नामक एक विशेष टूल भी पेश किया।