Pesquisa em Machine Learning Aumenta Segurança em Eventos Públicos
São Paulo — InkDesign News — A aplicação de técnicas de machine learning em eventos de grande escala pode prevenir tragédias como a da Itaewon, onde um acúmulo de pessoas resultou em um desastre. Um novo estudo conduzido por uma equipe da KAIST apresenta uma tecnologia inovadora de previsão de movimentos em multidões, utilizando inteligência artificial (IA) para melhorar a segurança pública.
Contexto da pesquisa
O time de pesquisa, liderado pelo Professor Jae-Gil Lee da Escola de Computação da KAIST, tem se concentrado em desenvolver uma tecnologia de IA que não apenas monitora a contagem de pessoas, mas que também analisa padrões de movimento. A pesquisa foi apresentada na 31ª Conferência ACM SIGKDD sobre Descoberta e Mineração de Dados.
Método proposto
A abordagem inovadora utiliza um método de aprendizado bimodal, que considera simultaneamente informações sobre a densidade populacional (informações de nó) e o fluxo de pessoas entre áreas (informações de aresta). O modelo foi implementado através de uma técnica de aprendizado contrastivo 3D, permitindo ao sistema capturar informações geográficas e temporais.
“Espero que esta tecnologia contribua significativamente para a proteção da segurança pública em situações do dia a dia”
(“I hope this technology will greatly contribute to protecting public safety in daily life.”)— Professor Jae-Gil Lee, KAIST
Resultados e impacto
Os dados utilizados para a pesquisa foram compilados de fontes relevantes, incluindo dados de metrôs em Seul, Busan e Daegu, além de informações sobre COVID-19 nos EUA e na Coreia do Sul. A tecnologia demonstrou uma melhoria de até 76,1% na precisão das previsões em comparação com métodos anteriores, revelando que a combinação de dados de densidade e fluxo é crucial para identificar potenciais riscos.
As implicações desse estudo são significativas, pois a tecnologia pode ser aplicada em gestão de multidões durante eventos, alívio do congestionamento urbano e controle da disseminação de doenças infecciosas.
Fonte: (TechXplore – Machine Learning & AI)
