Πάνω από 2.000 κάμερες έως το τέλος του έτους στους δρόμους: Ποιες παραβάσεις καταγράφουν

Snapshot

• Το νέο δίκτυο στην Αττική περιλαμβάνει 388 κάμερες της Περιφέρειας, οκτώ πιλοτικές κάμερες με τεχνητή νομοσύνη καιμερες σε λεωφορεία για έλεγχο λεωφορειωρίδων.
• Ο συνολικός αριθμός καμερών αναμένεται να ξεπεράσει τις 2.000 έως το τέλος του έτους.
• Οι παραβάσεις καταγράφονται και διαχειρίζονται από το κεντρικό σύστημα «ΟΔΥΣΣΕΑ», όπου αστυνομικοί αξιολογούν το υλικό πριν βεβαιωθεί η παράβαση.
• Οι κάμερες τεχνητής νοημοσύνης εντοπίζουν πολλαπλές παραβάσεις, αλλά η ανθρώπινη αξιολόγηση αποτρέπει λάθος βεβαιώσεις λόγω τεχνικών περιορισμών.
• Οι κάμερες σε λεωφορεία στοχεύουν στην απομάκρυνση παράνομων οχημάτων από τις λεωφορειολωρίδες για βελτίωση της κυκλοφορίας και των δρομολογίων.

Snapshot powered by AI

Το πλαίσιο λειτουργίας του νέου δικτύου στους δρόμους της Αττικής περιλαμβάνει 388 κάμερες της Περιφέρειας Αττικής, οκτώ πιλοτικές κάμερες με λογισμικό τεχνητής νοημοσύνης σε κεντρικούς οδικούς άξονες, καθώς και κάμερες που τοποθετούνται σε λεωφορεία για τον έλεγχο των λεωφορειολωρίδων.

Ο συνολικός αριθμός των καμερών αναμένεται να ξεπεράσει τις 2.000 έως το τέλος του έτους.

Όπως αναφέρει η ΕΡΤ, οι 388 κάμερες της Περιφέρειας Αττικής θα επικεντρώνονται κυρίως στην καταγραφή παραβιάσεων του ερυθρού σηματοδότη. Παράλληλα, οι οκτώ πιλοτικές κάμερες τεχνητής νοημοσύνης έχουν τη δυνατότητα να εντοπίζουν περισσότερες παραβάσεις του Κώδικα Οδικής Κυκλοφορίας, όπως υπέρβαση του ορίου ταχύτητας, χρήση κινητού τηλεφώνου κατά την οδήγηση, μη χρήση ζώνης ασφαλείας και μη χρήση κράνους.

Παρότι η εγκατάσταση των καμερών γίνεται από διαφορετικούς φορείς, μεταξύ των οποίων η Περιφέρεια Αττικής και συναρμόδια υπουργεία, το υλικό θα συγκεντρώνεται σε ενιαίο κέντρο διαχείρισης.

Πώς θα βεβαιώνονται οι παραβάσεις

Οι καταγραφές θα διαβιβάζονται στο νέο κεντρικό σύστημα διαχείρισης παραβάσεων, τον «ΟΔΥΣΣΕΑ», όπου αστυνομικοί θα εξετάζουν το υλικό πριν από τη βεβαίωση κάθε παράβασης.

Η ανθρώπινη αξιολόγηση θεωρείται κρίσιμη, καθώς τα συστήματα τεχνητής νοημοσύνης ενδέχεται, υπό συγκεκριμένες συνθήκες, να οδηγηθούν σε εσφαλμένα συμπεράσματα. Για παράδειγμα, σε συνθήκες περιορισμένου φωτισμού ή όταν ο οδηγός φορά σκούρα ρούχα, η κάμερα μπορεί να μην αναγνωρίσει με ακρίβεια τη χρήση της ζώνης ασφαλείας. Σε τέτοιες περιπτώσεις, ο αστυνομικός θα ελέγχει το καταγεγραμμένο υλικό, ώστε να αποτρέπεται η επιβολή λανθασμένης κλήσης.

Από περίπου 5.000 κλήσεις έγινε δεκτές μόλις το 2,5% των ενστάσεων. Την ίδια στιγμή, το λογισμικό τεχνητής νοημοσύνης εξελίσσεται συνεχώς, καθώς εκπαιδεύεται να αναγνωρίζει με μεγαλύτερη ακρίβεια τις διαφορετικές παραβάσεις.

Έλεγχος στις λεωφορειολωρίδες

Ιδιαίτερη βαρύτητα δίνεται και στις κάμερες που τοποθετούνται σε αστικά λεωφορεία, με στόχο τον εντοπισμό οχημάτων που κινούνται παράνομα στις λεωφορειολωρίδες. Το σύστημα μπορεί να καταγράφει στοιχεία όπως η πινακίδα κυκλοφορίας, η ώρα και το σημείο της παράβασης.

Η επιτήρηση των λεωφορειολωρίδων δεν αφορά μόνο την επιβολή προστίμων. Η απομάκρυνση των ΙΧ από τις αποκλειστικές λωρίδες διευκολύνει την κίνηση των λεωφορείων, περιορίζει τις καθυστερήσεις και μπορεί να συμβάλει στη βελτίωση της συχνότητας και του χρόνου εκτέλεσης των δρομολογίων.

Διαβάστε επίσης