شب هنگام به گوشه ای بپیچید، در حالی که ماشین شما به سرعت به آنها نزدیک می شود، چند نقطه روشن جلوی شما چشمک می زند. آیا آنقدر سریع خواهید بود که قبل از اینکه در وسط جاده با گوزن برخورد کنید، وسیله نقلیه را متوقف کنید؟
اگر به رانندگی در حومه شهر یا در جاده های نزدیک جنگل ها، تپه ها، کوه ها یا مناطق بزرگ خالی از سکنه عادت دارید، این سناریو احتمالاً آشنا به نظر می رسد. عبور آهوها و پستانداران بزرگ از جاده مشکلی تهدید کننده زندگی و رایج در بسیاری از کشورهای جهان است. در ایالات متحده، تخمین زده می شود که بیش از یک میلیون تصادف رانندگی در سال شامل حیات وحش می شود، که معادل حدود ۸ میلیارد دلار هزینه تعمیرات پزشکی و خودرو در سال است (نشنال جئوگرافیک، “گذرگاه های حیات وحش”).
مشکل از نقطه نظر رفاه حیات وحش نیز به همین ترتیب مرتبط است. به عنوان مثال، اگرچه سوابق رسمی فقط در تعداد کمی از کشورها در سطح اروپا نگهداری می شود، اما تعداد کل حشرات صحرایی که سالانه در جاده های اروپا کشته می شوند نزدیک به ۱ میلیون نفر تخمین زده می شود که در ۴۰ سال گذشته افزایش ثابتی داشته است. [Langbein, J., Putman, R., & Pokorny, B. (2011). Traffic collisions involving deer and other ungulates in Europe and available measures for mitigation]. عوامل زیادی در افزایش تصادفات وسایل نقلیه حیات وحش (WVC) نقش دارند، از جمله توسعه شبکههای جادهای گسترده که زیستگاهها و جمعیتها را تحت تأثیر قرار میدهند و آنها را جدا میکنند، همچنین تغییرات آب و هوایی و جنگلزدایی.
معرفی علائم هشدار دهنده و/یا چراغهایی که نشاندهنده «عبور بالقوه» از حیات وحش است، یک رویکرد رایج برای اطلاع رانندگان از احتمال بالای عبور از حیوانات در یک بخش جاده خاص است. با این حال زنگ خستگی به سرعت اتفاق می افتد، به خصوص برای رانندگانی که عادت به رانندگی در مناطق بحرانی حیات وحش دارند، حساسیت زدایی ناشی از آن عملاً به هشدار نادیده گرفته می شود و زیرساخت هشدار استاتیک را عملاً بی فایده می کند.
از نظر تئوری می توان کنار جاده ها را با استفاده از دوربین های ویدئویی/مادون قرمز برای شناسایی حیواناتی که به طور بالقوه از جاده عبور می کنند و به راننده هشدار داد، نظارت کرد. با این حال، هزینه نصب یک دوربین در هر چند متر، مشکلات احتمالی دید در بسیاری از شرایط محیطی و نوری، و هزینه جمعآوری و پردازش حجم زیادی از جریانهای ویدیویی در زمان واقعی برای ارائه یک هشدار مفید، چنین راهحلی را حتی برای بخشهای کوتاه جاده غیرعملی میسازد.
ظهور اخیر فنآوریهای حسگر بیسیم کمهزینه، توسعه نسل جدیدی از سیستمهای هشدار عبور از حیات وحش را امکانپذیر کرده است، با مرکز تحقیقات ELEDIA که در حال حاضر با راهحلهای مقیاسپذیر و قوی آزمایش میکند. پروژه MARGINE. مفهوم فیزیکی اساسی در پشت MARGINE ممکن است بی اهمیت به نظر برسد، زیرا از امواج رادیویی (که تحت تأثیر شرایط نور / دید قرار نمی گیرند) برای تشخیص فاصله و سرعت حیوانات استفاده می کند، دقیقاً مانند هر سیستم راداری. با این حال، دو چالش عمده بلافاصله در راه عملی و مفید کردن سیستم به وجود آمد، یعنی (۱) نحوه نظارت بر مسیرهای طولانی جاده در حالی که از نصبهای گران قیمت اجتناب میشود، و (۲) نحوه فعالسازی هشدار اولیه قابل اعتماد (یعنی به راننده گفتن “حیوانی در ۱۰ ثانیه از ۲۰۰ متر از جلوی شما عبور می کند”).
اولین چالش با توسعه و پیاده سازی الف حل شد شبکه مشترک پستهای راهنمای هوشمند بیسیم. ایده اصلی پشت چنین انتخابی، ایجاد یک ایستگاه بین راهی متحرک بود که هم حسگرها (یعنی توانایی تشخیص حضور، سرعت و فاصله حیوانات) و قابلیتهای ارتباطی را یکپارچه کند و پستها را از طریق بیسیم ارتباط برقرار کند تا اطلاعات شناساییشده را با بخشهای دوردست جاده در چند میلیثانیه به اشتراک بگذارد (جزئیات بیشتر در جنبههای تکنولوژیک در صفحه قابل مشاهده است). با این حال، مشکل دوم را نمی توان با احساس تنهایی حل کرد، زیرا در واقع بیشتر به آن مربوط می شود درک رفتار حیوانات به جای اینکه به سادگی آن را کشف کنید. اینجاست که روشهای هوش مصنوعی توسعهیافته توسط مرکز تحقیقات ELEDIA تفاوت را ایجاد کردند.
هر حیوان وحشی مسیر حرکتی متفاوتی دارد که می توان آن را برای درک اطلاعات مهم در مورد مهاجرت مطالعه کرد [D. R. Rubenstein, K. A. Hobson, “From birds to butterflies: animal movement patterns and stable isotopes,” Trends in Ecology & Evolution, vol. 19, no. 5, pp. 256-263, 2004.] در مقیاس کوچکتر، صحابیهایی که از جاده عبور میکنند رفتارهای بسیار خاصی از خود نشان میدهند که در آن حیوان مجموعهای از مراحل مختلف (مانند «اکتشاف»، «تصمیمگیری»، «عبور») را طی میکند که میتوان آنها را برای پیشبینی اقدام بعدی و احتمال ورود به یک حالت خطرناک شناسایی کرد. درک از الگوهای رفتاری پستانداران بزرگ (به عنوان آهو و گراز وحشی) وقتی رسیدن به کنار جاده چالش اصلی بسته روش شناسی E-AIR در MARGINE است. به لطف داده های تجربی جمع آوری شده با همکاری استان خودمختار ترنتو و Associazione Cacciatori Trentini، اعضای مرکز تحقیقات ELEDIA توانستند توسعه و اعتبار سنجی کنند. یک مدل رفتاری مبتنی بر هوش مصنوعی برای عبور از حیات وحش. چنین مدلی در سایتهای آزمایش MARGINE واقع در Cavalese، Predazzo، و Ziano di Fiemme، Val di Fiemme، Trento (ایتالیا) پیادهسازی، کالیبرهسازی و بهطور تجربی نشان داده شده است.
در سیستم MARGINE مستقر شده، دادههای جمعآوریشده توسط پستهای راهنمای هوشمند جمعآوری و در یک واحد مرکزی پردازش میشوند.MARGINE Hub”).با بهره برداری از توسعه یافته بسته هوش مصنوعی ELEDIAMARGINE Hub حضور حیوانات و رفتار آنها را در حین نزدیک شدن به جاده فرض می کند، سپس فقط در صورت تشخیص یک وضعیت بالقوه خطرناک، یک هشدار از طریق یک علامت پیام متغیر ارائه می دهد. برای رسیدن به این هدف، ترکیبی از یادگیری ماشینی، بهینه سازی تکاملی، یادگیری عمیق و منطق فازی تکنیکهایی اجرا میشوند که منجر به یک رویکرد مشترک میشوند که میتواند به راحتی بدون توجه به ویژگیهای جاده و معماری حسگر (تعداد و موقعیت سنسورها، فاصله، فناوری به کار گرفته شده) اتخاذ شود. جدای از مزایای آشکار ایمنی و افزایش پشتیبانی زیرساختی برای مدیران راه، چنین راه حلی اجازه می دهد تا هشدارها به رانندگان را به حداقل برساند و از “خستگی هشدار” در حال ظهور جلوگیری کند. همچنین می توان آن را به راحتی برای کار با کلاس های مختلف حیوانات از جمله خرس، گوزن، گوزن، کانگورو و گاومیش کوهان دار امریکایی سفارشی کرد. برای مثال، کشف یک گراز وحشی قبلاً توسط ELEDIA در Parco Colli Euganei، پادوآ تأیید شده است.
بنابراین در نهایت صرفه جویی در Bambi همیشه به دنبال کشف آن است.
ادامه مطلب
- پروژه MARGINE http://www.eledia.org/showcase/margine/ (به ایتالیایی)
- G. Beltrami، “Sensori sulla strada per salvare gli animali”، روزنامه L’Adigeمنتشر شده در ۰۷/۱۰/۲۰۲۰ (به زبان ایتالیایی)
- “Nuovi sensori stradali avvisano della presenza di animali” L’Adige.itمنتشر شده در ۰۵/۱۱/۲۰۱۴ (به زبان ایتالیایی)
- L. Piva، “Un dispositivo wireless per rilevare la presenza di cinghiali” روزنامه ایل گادزتینومنتشر شده در ۰۷/۰۱/۲۰۱۸ (به زبان ایتالیایی)
- F. Viani، F. Robol، M. Salucci، E. Giarola، S. De Vigili، M. Rocca، F. Boldrini، G. Benedetti، و A. Massa، “سیستم هشدار زودهنگام مبتنی بر WSN برای جلوگیری از برخورد وسایل نقلیه حیات وحش در مناطق آلپ – از آزمایش آزمایشگاهی تا کاربرد واقعی E10, CAP” سوئد، ص ۱۸۵۷-۱۸۶۰، ۸-۱۲ آوریل ۲۰۱۳٫
- F. Viani، F. Robol، E. Giarola، G. Benedetti، S. Devigili، و A. Massa، “پیشرفتها در سیستم هشدار زودهنگام عبور از جاده حیات وحش: معماری جدید و اعتبارسنجی تجربی”، هشتمین کنفرانس اروپایی در مورد آنتن ها و انتشار (EUCAP 2014)، لاهه، ص. ۳۴۵۷-۳۴۶۱، ۶-۱۱ آوریل، ۲۰۱۴٫
- F. Viani, F. Robol, A. Polo and E. Giarola, “A Road Crossing Monitoring System in the Wild: Progress and Test Site Validation”، دهمین کنفرانس اروپایی آنتن ها و انتشار (EUCAP 2016)، داووس، سوئیس، صفحات ۱-۴، ۱۱-۱۵ آوریل.
- F. Viani، A. Polo، E. Giarola، G. Benedetti، S. Zanetti، و F. Robol، “ارزیابی عملکرد سیستم مدیریت هوشمند جاده برای تشخیص عبور جاده های بی سیم حیات وحش”، کنفرانس بین المللی شهرهای هوشمند IEEE (ISC2)، ترنتو، ایتالیا، صفحات ۱-۱۶-۱۶ سپتامبر ۲۰۱۶٫
