ИИ научился предсказывать опасные скопления людей на мероприятиях

Ранее большинство методов ограничивались подсчётом людей или анализом маршрутов, но новый подход сочетает оба показателя. Для этого исследователи использовали концепцию временно изменяющегося графа, в котором учитывается количество людей в каждой зоне (узлы) и их поток между зонами (рёбра). Такой подход позволяет точнее предсказывать опасные скопления, даже если общее число людей остаётся постоянным.

Для обучения модели была применена бимодальная методика, учитывающая пространственные и временные изменения, а также 3D-контрастное обучение. Это позволяет ИИ анализировать не только текущее положение людей, но и динамику формирования толпы с течением времени. Например, резкий рост плотности в узком проходе можно заранее обнаружить, если учитывать поток людей из соседних зон.

Учёные собрали и опубликовали шесть реальных наборов данных, включая информацию о метро Сеула, Пусана, Тэгу, а также данные транспорта Нью-Йорка и случаи COVID-19 в Южной Корее и США. В тестах новая технология показала до 76,1% улучшение точности прогнозов по сравнению с существующими методами.

Профессор Джэ-Гиль Ли, руководитель проекта, отметил, что технология может иметь широкий социальный эффект. Она пригодится не только для управления большими мероприятиями, но и для снижения городских заторов и контроля распространения инфекционных заболеваний.