Digitalna transformacija u upravljanju prostorom infrastrukturom: AI rješenje za Geogrupa d.o.o. uz podršku EDIH Adria

Izazovi

Geogrupa d.o.o. prepoznala je mogućnost primjene umjetne inteligencije za identifikaciju i ažuriranje podataka o prometnim znakovima i stupovima javne rasvjete. Posao popisivanja tih elemenata infrastrukture tradicionalno se oslanjalo na terenske obilaske, ručnu evidenciju i prijenos podataka, što je bio dugotrajan posao, a često je rezultiralo neujednačenom točnošću te povećanim operativnim troškovima. S obzirom na rastuće zahtjeve za točnijim i bržim upravljanjem komunalnom infrastrukturom, pojavila se potreba za poboljšanjem i digitalizacijom ovog procesa s ciljem smanjenja vremena potrebnog za odradu tih aktivnosti, te smanjenjem troška.

Rješenje

Kroz uslugu “Test Before Invest” (TBI) i uz stručnu podršku EDIH Adria konzorcija, Geogrupa je testirala potencijal primjene umjetne inteligencije (AI) te modela računalnog vida kako bi se adresirali navedeni problemi. Cilj je bio testirati mogu li se primijeniti AI i modeli računalnog vida kako bi se postupak lociranja elemenata infrastrukture automatizirao i digitalizirao s ciljem rasterećenja zaposlenika te ubrzanja procesa.

U sklopu TBI aktivnosti, testirani su AI modeli strojnog učenja za detekciju elemenata komunalne infrastrukture:

1. Detekcija prometnih znakova: Primjenom modela temeljenih na YOLO (You Only Look Once) arhitekturi, razvijen je prototip sustava za automatsko prepoznavanje i klasifikaciju prometnih znakova iz snimki uličnih prizora. Sustav omogućuje brzo i precizno označavanje znakova u prostoru, uz dodatnu mogućnost kategorizacije identificiranih prometnih znakova (npr. stop, pravo prednosti, slijepa ulica i slično). Glavni cilj bio je automatizirati proces identifikacije koordinata prometnih znakova i njihova kategorizacija i katalogizacija.
2. Detekcija stupova javne rasvjete: U istom tehnološkom okviru testiran je pristup za identifikaciju stupova javne rasvjete. Modeli su trenirani na reprezentativnom uzorku podataka iz desetak snimki uličnih prizora napravljenim četverokutnom kamerom uz podatak o koordinatama kamere i smjeru kretanja, uz korištenje ručno označenih primjera kao temelja za treniranje i validaciju modela.

Prototip sustava, razvijen u sklopu projekta, omogućuje vizualizaciju detekcija kroz jednostavno i pregledno korisničko sučelje izrađeno korištenjem alata Streamlit i Leaflet OpenStreetMap kartografiju. Sustav je pokazao visoku preciznost na testnom skupu, a rezultati sugeriraju jasan potencijal za integraciju u postojeće procese detekcije infrastrukture na javnim površinama ili kao potencijal za ponudu dodatnih usluga u organizaciji Geogrupa d.o.o .

Slika 1 – Prikaz interaktivne mape sa detektiranim prometnim znakovima i stupovima javne rasvjete

Slika 2 – Tablični prikaz detekcija objekata s podacima o koordinatama, klasi i broju slika na temelju kojih su izračunate koordinate

Slika 3 – Prikaz detalja do tri slike izuzetih iz videa na temelju kojih su izračunate koordinate objekata

Rezultati i koristi

Testiranja provedena u sklopu TBI aktivnosti pokazala su veliki potencijal primjene AI tehnologija u obradi snimki uličnih prizora i upravljanju infrastrukturnim elementima, omogućujući:

• Povećanu učinkovitost: Automatizirana detekcija prometnih znakova i stupova javne rasvjete značajno ubrzava obradu velikih količina terenskih snimaka, čime se smanjuje potreba za ručnim pregledom i označavanjem.
• Poboljšanu točnost i dosljednost: AI modeli poput YOLO omogućuju visoku razinu preciznosti u prepoznavanju i klasifikaciji objekata, uz veću dosljednost nego što je to moguće ručnim pristupom.
• Bolju alokaciju resursa: Zamjenom ručnih procesa automatskom analizom, zaposlenici se mogu usmjeriti na druge zadatke.
• Skalabilnost i mogućnost proširenja: Sustav se lako može prilagoditi za detekciju dodatnih objekata ili prilagoditi za integraciju s drugim aplikacijama i/ili povezati s postojećim ili open source bazama podataka kao što je npr. PostgreSQL.

Geogrupa TBI

Naučene lekcije

Tijekom TBI faze razvoja i testiranja sustava, identificirane su ključne spoznaje za uspješnu implementaciju:

• Kvaliteta i raznolikost ulaznih podataka: Uspješnost detekcije uvelike ovisi o kvaliteti snimaka i raznolikosti primjera u trenažnom skupu – npr. različite vremenske prilike, vrste znakova, kutovi snimanja.
• Prilagodba modela lokalnom kontekstu: Za preciznu klasifikaciju bilo je nužno prilagoditi modele specifičnostima lokalne signalizacije i infrastrukture, što uključuje korištenje domaćih podataka za treniranje modela.
• Vizualna interpretacija rezultata: Intuitivno korisničko sučelje (izrađeno u Streamlitu) omogućilo je lakši pregled i razumijevanje rezultata i za korisnike bez tehničkog predznanja.

Procijenjeni učinci implementacije

Na temelju testiranja prototipa i analize postojećih metoda obrade podataka uličnih snimki, procjenjuje se da bi potpuna implementacija AI sustava za detekciju prometnih znakova i stupova javne rasvjete mogla značajno unaprijediti operativne procese tvrtke. Automatizacijom detekcije, značajno bi se smanjilo vrijeme potrebno za analizu prikupljenog materijala, čime bi se povećala brzina isporuke usluga krajnjim korisnicima.

Smanjenje potrebe za ručnim označavanjem i validacijom podataka direktno bi utjecalo na smanjenje operativnog troška i administrativnog opterećenja zaposlenika. Time bi zaposlenici mogli više vremena posvetiti složenijim zadacima.

Osim toga, veća preciznost i dosljednost u detekciji prometne infrastrukture smanjuje mogućnost propusta, što krajnjim korisnicima – primjerice gradovima, komunalnim poduzećima i upravnim tijelima – osigurava točnije informacije za donošenje odluka i planiranje intervencija. Sustav također otvara mogućnost za daljnji razvoj komplementarnih funkcionalnosti, poput automatskog generiranja izvještaja ili praćenja promjena kroz vrijeme, što dodatno povećava vrijednost ponuđenih usluga.

Zaključak

„Test Before Invest“ projekt proveden u tvrtki Geogrupa d.o.o. uspješno je demonstrirao da je primjena umjetne inteligencije za automatizaciju i unaprjeđenje procesa detekcije prometnih znakova i stupova javne rasvjete vrlo moćno rješenje te da svakako treba razmotriti punu implementaciju takvog rješenja u organizaciji. Stečeni uvidi i razvijeni prototip modela pružaju čvrstu osnovu za donošenje informiranih odluka o nabavi i implementaciji cjelovitih komercijalnih rješenja. EDIH Adria nastavlja pružati podršku Geogrupi te drugim SME-ovima kao i jedinicama lokane samouprave (JLS) u njihovim naporima digitalne transformacije, pomažući im da iskoriste prednosti naprednih tehnologija za učinkovitije, transparentnije i održivije upravljanje svojim poslovanje, a organizacijama iz SME segmenta i komparativnu prednost na domaćem i stranom tržištu.