Transformez les rames du métro de New York en laboratoires roulants grâce à la technologie Pixels

Dans une collaboration fascinante, la Metropolitan Transit Authority et Google innovent avec l’initiative TrackInspect, en attachant des Google Pixel aux wagons du métro de New York. Ce projet révolutionnaire vise à automatiser l’inspection des voies en utilisant des technologies existantes pour améliorer sécurité et efficacité dans le réseau transportant quotidiennement plus de 3 millions de personnes.

Le Métro de New York Équipe Ses Wagons de Pixels pour la Science

Introduction au Projet

En collaboration avec Google, la Metro Transit Authority (MTA) de New York a entrepris une expérimentation innovante consistant à attacher plusieurs smartphones Google Pixel aux wagons du métro. Ce projet, nommé TrackInspect, vise à automatiser et optimiser les inspections de sécurité des voies ainsi que leur maintenance. Dans un effort conjoint, la MTA et Google cherchent à utiliser la technologie moderne pour améliorer l’efficacité du système actuel.

Contexte et Nécessité du Projet

Le métro de New York City transporte quotidiennement plus de 3 millions de passagers, comme le précise le site officiel de la MTA. Une telle affluence implique des défis majeurs en matière de maintenance, de détection et de correction des défaillances. Si les efforts humains actuellement déployés sont nécessaires, ils montrent leurs limites en termes d’efficacité. Il est donc primordial de leur adjoindre des solutions d’automatisation.

La Technologie au Service de la Sécurité

La solution envisagée par la MTA repose sur l’alliance entre l’intelligence artificielle et la technologie accessible au grand public. Lors d’une collaboration détaillée par WIRED, Google et la MTA ont fixé plusieurs Google Pixel sur les voitures du métro pour capter des données sur les voies. Ces appareils ont pour mission de détecter les défauts sur les rails tout en enregistrant des données de mouvement, à l’aide d’un matériel disponible dans le commerce grand public.

Fonctionnement de TrackInspect

Sous l’initiative TrackInspect, les devices Pixel fournissent les données requises pour assister les équipes de maintenance du réseau ferré. Les smartphones capturent des données audio, de mouvement et géographiques. Ces informations sont ensuite analysées par des modèles d’IA afin de définir les opérations de maintenance nécessaires. Les bruits souvent ignorés par les voyageurs, tels que les grincements ou les chocs, sont analysés pour identifier les sections de voies nécessitant une intervention.

Résultats et Efficacité du Projet

Bien que l’inspection humaine demeure cruciale, l’objectif principal réside dans l’auto-détection. Les téléphones Pixel dissimulés dans les wagons ont réussi à identifier et enregistrer 92 % des anomalies détectées, confirmées par des inspections humaines. Ce projet a permis de récolter 335 millions de mesures de capteurs et 1 200 heures d’enregistrements audio. Ces données ont servi à entraîner environ 200 modèles d’IA dédiés à ce type de travail.

Vers l’Avenir : Spécialisation et Coût Efficace

L’espoir est grand que la MTA puisse, à l’avenir, intégrer cette technologie sur une plus large échelle, potentiellement avec du matériel spécialisé, plutôt que de simples smartphones. Cette expérience a démontré que la technologie actuelle peut être introduite à faible coût, à condition d’être associée aux modèles d’IA appropriés.

En somme, la collaboration entre Google et la MTA illustre comment l’innovation technologique et l’analyse intelligente des données peuvent transformer la gestion et la maintenance du métro de New York, posant ainsi de nouvelles bases pour l’avenir des infrastructures urbaines.

Références

Pour plus d’informations, consultez l’article complet de WIRED sur cette initiative.

Note: L’utilisation d’un taux de change actuel est nécessaire pour la conversion de devises dans les cas pertinents.

Mon avis :

Le projet TrackInspect, en collaboration avec Google et la MTA de New York, vise à automatiser les inspections de sécurité ferroviaire en utilisant des téléphones Pixel pour collecter des données audio et de mouvement. Bien que prouvant l’efficacité de la technologie grand public, l’approche requiert encore une validation humaine, mais elle promet de réduire les coûts d’implémentation technologique.

Les questions fréquentes

Quel est l’objectif principal de l’utilisation des téléphones Google Pixel dans le métro de New York ?

L’objectif principal est d’automatiser et d’améliorer les inspections de sécurité des voies du métro et les réparations. En fixant des téléphones Google Pixel à plusieurs wagons de métro, les responsables espèrent détecter les défauts de la voie et enregistrer d’autres données de mouvement que les modèles d’IA peuvent ensuite traiter.

Comment les téléphones Google Pixel aident-ils à détecter les défauts des voies du métro ?

Les téléphones Google Pixel, attachés aux voitures de métro, enregistrent des données audio, de mouvement et géographiques. Ces informations sont ensuite utilisées pour entraîner des modèles d’intelligence artificielle qui identifient les sections de voie nécessitant des réparations. Bien que les inspections humaines soient toujours nécessaires, cette technologie aide à automatiser une grande partie des processus de détection des défauts.

Quel est le taux de réussite du projet TrackInspect pour identifier les défauts de voie ?

Le projet TrackInspect a constaté que 92 % des défauts enregistrés par les Pixels ont été confirmés par des inspecteurs humains. En outre, le projet a réussi à analyser 80 % des vibrations enregistrées avec succès. Grâce à ce projet, environ 335 millions de données de capteurs et 1 200 heures d’audio ont été recueillies et utilisées pour former environ 200 modèles d’IA.

Quelle est la perspective future de l’utilisation de cette technologie par la MTA ?

La MTA espère pouvoir utiliser cette technologie à une plus grande échelle, idéalement avec du matériel spécialisé plutôt qu’avec des appareils conçus pour d’autres usages. Le projet montre que la technologie moderne peut être mise en œuvre à faible coût pour aider à entretenir le système ferroviaire, grâce aux modèles d’intelligence artificielle appropriés.