Koti / Ratkaisut / Liikkumisen analytiikka

Muuta liikennekameroiden kuvamateriaali toiminnaksi Liikkumisen analytiikka

Seuraa, luokittele ja analysoi multimodaalista liikennettä ja jalankulkijoiden liikkumista reaaliajassa. Ota käyttöön reunakäsiteltyjä ja GDPR-yhteensopivia analytiikkaratkaisuja olemassa olevalle valvontakamerainfrastruktuurillesi lähettämättä ainoatakaan tavua videotietoa pilveen.

Luotettu

98% + Ajoneuvojen havaitsemistarkkuus vaativissa ulkoympäristöissä

99.8% Jalankulkijoiden havaitsemisen luotettavuus reaaliaikaiseen infrastruktuurin ohjaukseen

100% GDPR-vaatimustenmukaisuus paikallisen, eristetyn reuna-arkkitehtuurin (edge processing) avulla

Integraatio VMS-ohjelmistojen, kuten Milestone Xprotectin ja Genetecin, kanssa

Toimii olemassa olevien IP-kameroiden ja vanhan analogisen CCTV-infrastruktuurin kanssa

Integraatio liikennevalojen ohjauslaitteiden (Swarco, Yunex jne.) kanssa

GDPR-yhteensopiva suunnittelusta alkaen – reaaliaikainen kasvojen ja rekisterikilpien sumennus ilman biometrisiä tietoja

Monimuotoinen liikennelaskenta ja ajoneuvojen luokittelu

Paikallis- ja alueviranomaiset tarvitsevat tarkkoja käyttötilastotietoja perustellakseen infrastruktuuri-investointeja. MarshallAI korvaa manuaaliset laskurit ja herkät vanhat mittauspiirit automatisoidulla visuaalisella älyteknologialla, joka toimii rankkasateessa, tiheässä sumussa ja pohjoismaisten talviolosuhteiden pakkasessa.

Alustamme ei vain laske liikennettä; se luokittelee tetiesi koostumuksen samanaikaisesti.

Yksityiskohtainen luokittelu Erota toisistaan henkilöautot, pakettiautot, raskaat kuorma-autot, linja-autot, pyöräilijät ja jalankulkijat.

Kääntöliikkeiden lukumäärä (TMC): Automatisoi monimutkaisten risteyksien seuranta ajoneuvojen tarkkojen reittien ja määrien kartoittamiseksi.

Resurssien ja kaistojen käyttöaste: Tunnista pullokaulat, linja-autokaistojen luvaton käyttö ja rakenteelliset jonoviiveet reaaliajassa.

Väkijoukkoanalyysi ja jalankulkijoiden kulkureitit

Yleisen turvallisuuden, tapahtumanhallinnan ja älykaupunkien suunnittelijoiden kannalta ihmisten liikkumisen ymmärtäminen on elintärkeää tilojen optimoinnin ja kansalaisten suojelemisen kannalta.

MarshallAI muuttaa minkä tahansa tavallisen IP-kameran älykkääksi anturiksi, joka mittaa tilan dynamiikkaa vaarantamatta yksilön yksityisyyttä.

Jalankulkijoiden omat polut: Kartoita todelliset reitit, joita pitkin ihmiset kulkevat julkisilla aukioilla, joukkoliikennekeskuksissa tai liiketiloissa, ja paljasta tilasuunnittelun tehottomuudet.

Reaaliaikainen väkijoukon tiheys: Valvo määriteltyjen alueiden täyttöastetta ylikuormituksen estämiseksi ja automaattisten turvahälytysten käynnistämiseksi.

Alueittaiset viipymäajat: Laske tarkasti, kuinka kauan kävijät viipyvät tiettyjen rakenteiden, näyttelyiden tai joukkoliikenteen laitureiden edessä.

Suunniteltu yksityisyyttä silmällä pitäen: 100%, ilmarakoinen ratkaisu, joka täyttää GDPR-vaatimukset

Julkisen sektorin hankinnoissa vaaditaan tiukkaa tietosuvereniteettia. Perinteiset pilvipohjaiset järjestelmät lähettävät tunnistettavissa olevaa videomateriaalia reaaliaikaisesti ulkoisiin kohteisiin, mikä aiheuttaa valtavan sääntelyyn liittyvän vastuun.

MarshallAI poistaa käyttöönottosi riskit täysin paikallisen päättelymoottorimme ja erillisten tietosuojasolmujemme avulla.

Reaaliaikainen tietosuoja: alustamme hyödyntää konfiguroitavaa reaaliaikaista sumentamisssolmua. Tämä solmu peittää automaattisesti kaikki ihmisten kasvot ja ajoneuvojen rekisterikilvet kohteessa ennen videokuvasyöte koskaan saavuta valvomomuanne tai virheenjäljitysmonitorejanne. Käyttäjät näkevät spatiaalisen ympäristön ja seurantatiedot, mutta henkilötietoja ei ole koskaan näkyvissä.

Reunakäsittely: täysin offline-käsittely. AFSA-alusta tuottaa paikallisesti nimettömiä numeerisia tilastoja ja voi haluttaessa tuhota suojaamattomat videot välittömästi laitteen reunalla.

Alkuperäisen infrastruktuurin integrointi

Ohjelmistoratkaisu on hyödyllinen vain, jos se kommunikoi fyysisen omaisuutesi kanssa. MarshallAI yhdistää nykyaikaiset tekoälymallit ja vanhat laitteistoalustat natiivin protokollatuen avulla.

Protokolla / JärjestelmäIntegrointityyppiToiminnallinen hyöty
DATEX II / RSMP / OCITEurooppalaiset liikennesäännötLiitetään suoraan Swarco-, Yunex- ja Nordic-tienvarsiohjaimiin liikennevalojen ohjaamiseksi ja standardoitujen liikennetietojen vientiä varten.
Milestone XProtect / GenetecVideohallintajärjestelmätSiirtää reaaliaikaisen liikkumisdatan suoraan olemassa olevaan turvallisuusnäkymääsi.
JSON / REST-sovellusliittymäTietoinfrastruktuuriVie automatisoidut liikennetilastot suoraan kunnallisiin kojelautoihin ja toiminnanohjausjärjestelmiin.

Asiakastarinat

Vastauksia liikkuvuusanalytiikkaan liittyen

Voiko tiimimme silti katsoa suoria videokuvasyötteitä seurantaa tai järjestelmän vianmääritystä varten rikkomatta GDPR:ää?

Kyllä. AFSA-alusta sisältää sisäisen, reaaliaikaisen sumentamissolmun, joka on suunniteltu erityisesti eurooppalaisten yksityisyydensuojamääräysten mukaisesti. Ennen videovirran lähettämistä operaattorin kojelautaan tai vianetsintänäkymään alusta lisää automaattisesti yksityisyysmaskin kaikkien ihmisten kasvojen ja ajoneuvojen rekisterikilpien päälle. Tämä käsittely tapahtuu paikallisesti. Sen avulla käyttötiiminne voi valvoa liikennevirtoja ja tarkistaa järjestelmän toiminnan visuaalisesti, samalla kun taataan, että mitään henkilötietoja ei koskaan paljasteta, tallenneta tai lähetetä eteenpäin.

Tarvitseeko meidän vaihtaa olemassa olevat liikenne- ja turvakameramme käyttääksemme analytiikkaanne?

Ei. MarshallAI on täysin laitteistoriippumaton ja suunniteltu hyödyntämään nykyistä infrastruktuuriasi. Alusta integroituu saumattomasti vakiomallisiin IP-turvakameroihin käyttämällä RTSP tai ONVIF suoratoistoprotokollat sekä perinteiset analogiset syötteet. Tämä tarkoittaa, että voit muuttaa nykyisen kunnallisen kameravalvontaverkkosi älykkääksi anturiverkoksi ilman uusien kameroiden asentamisesta tai teiden avaamisesta induktiosilmukoita varten aiheutuvia pääomamenoja tai rakennustöiden aiheuttamia häiriöitä.

Kuinka luotettava järjestelmän tunnistustarkkuus on talvisin, paksussa sumussa tai pimeissä olosuhteissa?

AFSA-moottori on suunniteltu ja kenttätestattu Suomessa kestämään vaihtelevat pohjoiset olosuhteet. Järjestelmämme ylläpitää yli 98% seuranta- ja luokittelutarkkuutta vaativissa ulkoilman todellisen maailman olosuhteissa, kuten runsaassa lumessa, paksussa sumussa ja heikossa valaistuksessa talvella. Kontrolloiduissa teollisuusympäristöissä järjestelmä saavuttaa yli 99.9995% tarkkuutta. Käyttämällä lämmitettyjä ja oikein sijoitettuja kameroita voimme minimoida säävaikutukset.

Käytämme Swarcon ja Yunexin ohjaimia. Pystyykö MarshallAI ohjaamaan nykyisiä liikennevalojamme suoraan?

Kyllä. MarshallAI muodostaa sillan tekoälypohjaisen visuaalisen seurannan ja eurooppalaisen tielaitteiston välille. Järjestelmä sisältää natiivituen eurooppalaisille liikenneprotokollille, kuten RSMP (vallitseva standardi kaikkialla Skandinaviassa) ja OCIT (Keski-Eurooppa) ohella DATEX II alueelliseen liikenteen tietojenvaihtoon. Sen sijaan, että järjestelmä vain keräisi passiivisia tilastoja, se kommunikoi suoraan olemassa olevien liikennevalojesi kanssa ja käynnistää reaaliaikaisen valo-ohjauksen – minkä ansiosta voit eliminoida risteyksien “kuolleet sekunnit” dynaamisesti.

Pystyykö alusta seuraamaan ja erottamaan kevyen liikenteen käyttäjät, kuten pyöräilijät ja sähköpotkulaudat, vai laskeeko se vain jalankulkijoita?

Alustamme tarjoaa yksityiskohtaista, monisignaaliperustaista luokittelua. Se ei niputa haavoittuvia tienkäyttäjiä (VRU) yhteen. AFSA-mallit on koulutettu erottamaan selkeästi henkilöautot, jakeluautot, raskaat rahtiautot, linja-autot, pyöräilijät, sähköpotkulautailijat ja jalankulkijat samanaikaisesti. Tämä korkean tarkkuuden luokittelu mahdollistaa sen, että voimme tuottaa tarkkoja Risteysliikennemäärät ja mitata tarkasti Kulkutapaosuus data.

Mikä on järjestelmän koulutuksen ja käyttöönoton toimitusaika?

MarshallAI on optimoitu nopeaan käyttöönotoon. Käyttöönoton vertailuarvomme osoittavat, että mukautettu, erittäin tarkka toiminnallinen malli voidaan rakentaa, kouluttaa ja ottaa käyttöön vain 77 viitekuvaa alle 100 minuutissa. Mutta saadaksemme mahdollisimman tarkan mallin hienosäädämme mallia yleensä useiden kuukausien ajan eri valaistus- ja sääolosuhteiden vangitsemiseksi.