Lois Anne Leal e Chaitree Sham Baradkar participaram do projeto inovador. Desafio de 8 semanas iRAP Omdena No início deste ano, eles se reuniram para encontrar soluções baseadas em IA para mapear o risco de acidentes e gerar dados de atributos de classificação por estrelas de 1 a 5. Eles foram apenas 2 dos 50 engenheiros de IA e aprendizado de máquina recrutados de todo o mundo, focados em encontrar uma solução para a coleta e codificação acelerada e inteligente de dados de atributos de estradas (AiRAP) para salvar vidas.
Lois é Especialista em Pesquisa Científica, Engenheira de Aprendizado de Máquina e Desenvolvedora Certificada em TensorFlow, das Filipinas, e Chaitree é Cientista de Dados na PharmaACE e Engenheira de Aprendizado de Máquina na Omdena, de Pune, Índia.
O Desafio iRAP Omdena teve 3 objetivos principais:
- Obter dados de acidentes georreferenciados e produzir mapas de risco iRAP com o histórico de acidentes por quilômetro e acidentes por quilômetro percorrido para cada usuário da via.
- Obter dados sobre atributos de estradas, fluxo de tráfego e velocidade de acordo com o padrão global iRAP e mapear o desempenho de segurança e a classificação por estrelas de mais de 100 milhões de km de estradas em todo o mundo.
- Produzir indicadores-chave de desempenho (KPIs) repetíveis para infraestrutura rodoviária que possam servir de base para o monitoramento anual do desempenho.
Lois e Chaitree contribuíram para o segundo objetivo ao obterem automaticamente o componente crucial da contagem de veículos no atributo de tráfego ou fluxo de veículos, utilizando imagens de satélite com o auxílio de Inteligência Artificial.
Leia o blog que eles publicaram: “Utilizando Redes Neurais Convolucionais para Melhorar a Segurança Rodoviária e Salvar Vidas“.
Agradecemos a Lois e Chaitree, e a todos os voluntários do Desafio, por sua valiosa contribuição!