Lois Anne Leal và Chaitree Sham Baradkar đã tham gia vào sáng kiến Thử thách 8 tuần iRAP Omdena đầu năm nay để tìm các giải pháp dựa trên AI nhằm lập bản đồ rủi ro sự cố và tạo dữ liệu thuộc tính xếp hạng sao iRAP. Họ chỉ là 2 trong số 50 kỹ sư AI và máy học có nguồn gốc từ cộng đồng từ khắp nơi trên thế giới, tập trung vào việc tìm ra giải pháp cho việc thu thập và mã hóa dữ liệu thuộc tính đường một cách nhanh chóng và thông minh (AiRAP) để cứu sống.

Lois là Chuyên gia nghiên cứu khoa học, Kỹ sư máy học và Nhà phát triển TensorFlow được chứng nhận từ Philippines và Chaitree là Nhà khoa học dữ liệu tại PharmaACE và Kỹ sư máy học tại Omdena từ Pune, Ấn Độ.

Thử thách Omdena iRAP có 3 mục tiêu chính:

1. Nguồn dữ liệu vụ tai nạn được định vị địa lý và tạo ra Bản đồ rủi ro iRAP về các vụ tai nạn lịch sử trên mỗi km và các vụ tai nạn trên mỗi km đã đi cho mỗi người tham gia giao thông
2. Nguồn thuộc tính đường, lưu lượng giao thông và dữ liệu tốc độ theo tiêu chuẩn toàn cầu iRAP và lập bản đồ hiệu suất an toàn và Xếp hạng sao của hơn 100 triệu km đường trên toàn thế giới
3. Tạo ra các chỉ số hiệu suất chính của cơ sở hạ tầng đường bộ có thể lặp lại có thể tạo cơ sở cho việc theo dõi hiệu suất hàng năm

Lois và Chaitree đã đóng góp vào mục tiêu thứ hai bằng cách tự động tìm nguồn cung cấp thành phần quan trọng của số lượng phương tiện theo thuộc tính lưu lượng hoặc giao thông bằng cách sử dụng hình ảnh vệ tinh với sự trợ giúp của Trí tuệ nhân tạo.

Đọc blog đã xuất bản của họ: “Sử dụng mạng thần kinh hợp pháp để cải thiện an toàn đường bộ và tiết kiệm mạng sống“.

Chúng tôi cảm ơn Lois và Chaitree, và tất cả các tình nguyện viên của Thử thách vì những đóng góp quý giá của họ!