Every major city now runs on video. Traffic intersections, subway platforms, public parks, and shopping districts feed c

Kila mji mkubwa sasa unategemea video. Makutano ya barabara, majukwaa ya treni za chini ya ardhi, bustani za umma, na maeneo ya biashara hutoa picha mfululizo kwenye vyumba vya udhibiti vya manispaa. Kiasi cha data kilichopo ni kikubwa sana. Bila tafsiri, picha hizo ni faili ghali tu zinazotumia nafasi ya seva. Ujifunzaji wa kina (deep learning) ulibadilisha hali hii. Unatoa uwezo kwa mifumo ya mijini kuona, kuelewa, na kuitikia matukio yanapotokea, ikigeuza rekodi zisizofanya kazi kuwa miundombinu hai.

Kutoka kwenye Pikseli hadi Maamuzi

Teknolojia ya zamani ya kuona kwa kompyota (computer vision) ilitegemea kanuni zilizoundwa kwa mkono. Wahandisi waliprogramu mifumo kutafuta maumbo, rangi, au mifumo ya mwendo maalum. Njia hizi zilifanya kazi katika maabara zilizodhibitiwa, lakini miji ina vurugu. Kivuli hubadilika. Mvua huchafua lenzi. Waendeshao kwa miguu hujificha chini ya mwavuli ambao haufanani kabisa na michoro ya mafunzo. Mifumo inayofuata kanuni ilishindwa mara kwa mara, ikiwajaza waendeshaji taarifa zisizo za kweli (false positives).

Ujifunzaji wa kina unakaribia tatizo hili kwa njia tofauti. Mitandao ya neva ya convolutional (convolutional neural networks) na vizazi vyake hujifunza sifa moja kwa moja kutoka kwenye data. Badala ya kumwambia kompyuta jinsi baiskeli inavyoonekana, wahandisi huipa mamilioni ya mifano iliyowekwa lebo hadi mfumo hujenga dhana yake ya ndani ya baiskeli. Matokeo yake ni mfumo unaoweza kushughulikia mabadiliko ya ulimwengu halisi bila kuharibika. Kamera iliyoelekezwa kwenye barabara yenye msongamano inaweza kutofautisha gari la usambazaji na basi hata wakati wa machweo, kupitia ukungu mwepesi, au wakati magari yanapogongana kidogo. Muhimu zaidi, mfumo hutoa alama za uhakika na metadata iliyopangwa badala ya pikseli mbichi, kumaanisha kuwa programu zinazofuata zinaweza kutoa tahadhari, kusasisha dashibodi, au kuunganishwa moja kwa moja kwenye vifaa vya udhibiti wa trafiki.

Usimamizi wa Trafiki na Udhibiti wa Mtiririko

Trafiki ya mijini ni moja ya mafanikio makubwa zaidi ya uchambuzi wa video. Taa za trafiki zenye muda maalum zilidizainiwa miongo mingi iliyopita kwa ajili ya mifumo inayotabirika ya saa za msongamano. Hawezi kubadilika wakati tamasha linapomaliza na watu kutoka barabarani saa mbili mapema, au wakati ajali ndogo inaziba njia ya kati.

Mifumo ya ujifunzaji wa kina iliyowekwa kwenye makutano huhesabu magari kwa aina, hupima urefu wa foleni kwenye taa nyekundu, na kukadiria muda wa kusubiri. Wahandisi wa mji wanaweza kuona si tu kwamba barabara ina msongamano, bali kwa nini ina msongamano. Je, msongamano unasababishwa na magari yanayopita, miguso ya kushoto bila ishara maalum, au watembea kwa miguu kuvuka kinyume na taa? Kamera zenye uwezo wa uchambuzi wa ndani (onboard inference) zinaweza kurekebisha awamu za ishara kwa wakati halisi ili kusaidia upande wenye mzigo mkubwa wa magari. Baadhi ya mifumo huashiria matukio mara moja—ikitambua dereva anayekwenda upande usio sahihi, gari lililozima, au takataka barabarani—mara nyingi kwa haraka zaidi kuliko mwendeshaji binadamu anayechunguza ukuta wa skrini.

Zana hizi pia huunganishwa na mipango mipana ya miji. Kwa kuchambua video za wiki kadhaa, miji hutambua maeneo yenye msongamano wa mara kwa mara yanayoashiria hitaji la njia mpya za kugeukia au mipaka ya kasi iliyorekebishwa, ikichukua nafasi ya kukisia kwa kutumia tabia zinazoonekana.

Usalama wa Umma na Uangalizi

Matumizi ya usalama yameenea mbali zaidi ya utambuzi wa mwendo wa kawaida. Uchambuzi wa kisasa unaweza kutambua mifumo inayotangulia ajali au uhalifu. Mkoba ulioachwa bila uangalizi kwenye jukwaa la treni kwa zaidi ya muda uliowekwa hutoa taarifa. Moshi au watu kutawanyika ghafla kuonekana kwenye kamera za ufukweni kunaweza kuashiria dharura kabla ya mtu yeyote kutoa taarifa.

Maboresho makuu ni uchaguzi wa kile kinachofuatiliwa. Mifumo ya zamani ilitoa taarifa kwa kila kicheche na tawi la mti linalotingizika. Mifumo ya ujifunzaji wa kina huchuja mwendo usiohusika na kuashiria tabia isiyo ya kawaida kabisa. Vita vinavyozuka kwenye uwanja wa wazi hutoa ishara maalum ya mwendo inayotofautiana na kikundi cha marafiki wanaocheza kwa nguvu au msanii wa mtaani anayefanya vitu vya kustaajabisha. Wahudumu wa usalama wanaweza kuelekeza umakini wao kwenye matukio machache yaliyothibitishwa badala ya kukimbizana na mamia ya taarifa zisizo sahihi wakati wa zamu yao.

Ufuatiliaji wa Makundi na Uchambuzi wa Msongamano

Mikusoanyiko mikubwa ya umma inaleta hatari za kipekee. Milango ya kutokea kwenye viwanja vya michezo, maeneo ya tamasha, na vituo vya usafiri wakati wa sikukuu inaweza kuwa hatari wakati msongamano unapozidi viwango salama. Mifumo ya ujifunzaji wa kina hufanya uhesabuji wa makundi na kukadiria msongamano kwa kuchambua usambazaji wa watu katika eneo husika.

Zana hizi hutengeneza ramani za joto (heatmaps) zinazoonyesha mahali ambapo umati unazidi kuongezeka kwa wakati halisi. Waandaaji wa matukio na polisi wanaweza kufungua milango ya ziada, kuelekeza mzunguko wa watu, au kusitisha kuingia kwa watu kabla ya msongamano hatari kutokea. Katika vipindi vya kawaida, teknolojia hiyo hiyo hupima mtiririko wa watembea kwa miguu kupitia korido za maduka au sehemu za mpito (mezzanines), ikisaidia wasanifu majengo na wapangaji wa miji kuelewa jinsi watu wanavyotembea katika maeneo ya pamoja. Makadirio ya urefu wa foleni katika viwanja vya ndege na ofisi za serikali, vivyo hivyo, inaruhusu wafanyakazi kufungua madirisha ya ziada ya huduma kabla ya foleni kuanza kukua kupita kiasi.

Ugunduzi na Ufuatiliaji wa Vitu katika Mazingira ya Mijini

Miji imejaa vitu vinavyotembea: watembea kwa miguu, waendesha baiskeli, waendesha skuta, wanyama wa nyumbani, roboti za uwasilishaji, na magari ya kila saizi. Mifumo ya deep learning haigundui tu vitu hivi katika fremu moja; inafuatilia kwa muda na kupitia mitandao ya kamera.

Ufuatiliaji wa vitu vingi (multi-object tracking) hutoa utambulisho thabiti kwa vitu vinapovuka eneo fulani. Mtetembea kwa miguu anayepita nyuma ya gari lililopaki halitoweki kwenye uelewa wa mfumo; modeli inatabiri mwelekeo na kumtafuta tena mlengwa anapoonekana tena. Inapopanuliwa kwenye mtandao wa kamera zenye maeneo ya uoni yanayovuka, utambuzi upya wa mtu (person re-identification) unaruhusu mji kumfuatilia mtu aliye hatarini au kumtafuta mtoto aliyepotea bila kutegemea mwendeshaji mmoja anayepitia saa nyingi za video kwa mkono.

Uwezo huu pia unasaidia usafirishaji (logistics) na utekelezaji wa sheria. Utambuzi wa namba za magari wa kiotomatiki tayari ni wa kawaida, lakini mifumo mipya ya utambuzi upya wa magari inaweza kufuatilia safari ya gari maalum bila kusoma namba, ikitumia sifa zinazotofautisha kama vile stika za bapa, raki za paa, au mifumo ya magurudumu. Kwa vyombo vya usalama, hii ni nguvu kubwa, lakini pia inazua maswali ya msingi kuhusu upeo na usimamizi ambayo wasimamizi wa miji lazima washughulikie kupitia sera kali.

Changamoto ya Miundombinu

Kusambaza mifumo hii katika kiwango cha mji si tatizo la programu pekee. Maelfu ya kamera zinazotiririsha video za hali ya juu huzalisha petabytes za data. Kutuma kila kitu kwenye wingu kuu (central cloud) kwa ajili ya uchambuzi ni gharama kubwa na ni polepole. Upana wa bandwidthi ya mtandao unakuwa kikwazo kabla ya uwezo wa kompyuta (compute).

Miji inajibu kwa kutumia edge computing. Kamera janja za kisasa zinajumuisha vichochezi maalum vya inference (inference accelerators) ambavyo huendesha modeli mahali hapo na kutuma tu tahadhari, idadi, au metadata iliyofupishwa kurudi makao makuu. Hii inapunguza gharama za bandwidthi na kupunguza ucheleweshaji (latency) kutoka sekunde hadi milisekunde, jambo ambalo ni muhimu wakati wa kurekebisha taa za trafiki au kusimamisha treni.

Matengenezo ni kikwazo kingine. Kamera za nje hukusanya uchafu, barafu, na utando wa buibui. Modeli iliyofundishwa kwa picha safi hupoteza ufanisi wakati lenzi ikiwa chafu. Usambazaji wa kuaminika unahitaji ufuatiliaji wa afya wa kiotomatiki na ratiba za matengenezo ya nyanjani. Sasisho za firmware, mafunzo upya ya modeli kwa kutumia data za ndani, na marekebisho ya usalama (security patches) huongeza gharama za uendeshaji zinazoendelea ambazo timu za ununuzi mara nyingi hukadiria chini wakati wa miradi ya majaribio.

Faragha na Kipengele cha Binadamu

Hakuna mjadala wa uchambuzi wa video wa mijini unaoweza kupuuza faragha. Modeli zilezile zinazohesabu watembea kwa miguu zinaweza kutambua nyuso. Ufuatiliaji uleule unaomtafuta mtu aliyepotea unaweza kumfuatilia mpinzani. Miji inayotumia zana hizi lazima iweke mipaka ya wazi ya kuhifadhi data, iweke ukomo utambuzi wa nyuso katika mazingira yaliyofafanuliwa kwa uwazi yanayodhibitiwa na amri ya mahakama au ridhaa, na ichapishwe ripoti za uwazi kuhusu maeneo ya kamera na uwezo wa mfumo.

Mbinu za kuficha utambulisho (anonymization) husaidia. Modeli zinaweza kusanidiwa kuficha nyuso na namba za magari kwa asili, zikichuja tu metadata ya kitabia inayohitajika kwa usimamizi wa trafiki au usalama. Kuchakata data mahali hapo (at the edge) badala ya kuhifadhi wiki kadhaa za video ghafi kwenye seva kuu hupunguza hatari ya ufuatiliaji wa pamoja na uvujaji wa data.

Kwa uchunguzi wa kina zaidi wa algoriti na matumizi yaliyofanyiwa utafiti hapa, karatasi kamili ya utafiti inapatikana katika karatasi chanzo kwenye Dev.to. Ikiwa unataka kujadili mawazo haya na wengine wanaofanya kazi katika AI ya mijini na computer vision, jiunge na mazungumzo kwenye jamii ya GyaanSetu Telegram.

Kazi Halisi Huanza Baada ya Modeli Kufundishwa

Deep learning imevusha uchambuzi wa video kutoka katika hatua ya majaribio ya kisayansi hadi kuwa uhalisia wa kiutendaji. Kamera katika miji janja hazirekodi tu; zinatafsiri, zinapima, na zinajibu. Teknolojia hiyo ipo kwa ajili ya kudhibiti mtiririko wa magari, kuzuia majanga ya umati, na kuharakisha majibu ya dharura kwa kutumia video ambazo tayari zilikuwa zikirekodiwa.

Lakini hardware na algorithms ni sehemu tu ya kazi hiyo. Mji unaotumia zana hizi bila mipango ya matengenezo, bila usanifu wa mtandao unaozingatia mipaka ya bandwidth, na bila vizuizi vya faragha, utasababisha ama kufeli kwa gharama kubwa au kuunda mfumo wa ufuatiliaji unaovamia faragha. Tofauti ipo katika maelezo ya utekelezaji. Deep learning inatoa macho; wapangaji wa miji na wahandisi bado wanatoa uamuzi.