AI Traffic Management Mysuru – ಮೈಸೂರಿನ ಎಐ ಆಧಾರಿತ ಸಂಚಾರ ನಿರ್ವಹಣೆ ಮತ್ತು ಸ್ಮಾರ್ಟ್ ಟ್ರಾಫಿಕ್ ಮೇಲ್ವಿಚಾರಣೆಯ ಹೊಸ ಅಧ್ಯಾಯ

AI Traffic Management Mysuru – ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಆಧಾರಿತ ಸಂಚಾರ ನಿಯಂತ್ರಣ, ರಸ್ತೆ ಸುರಕ್ಷತೆ ಮತ್ತು ಸ್ಮಾರ್ಟ್ ನಗರ ಅಭಿವೃದ್ಧಿ

ಕರ್ನಾಟಕದ ಸಾಂಸ್ಕೃತಿಕ ರಾಜಧಾನಿಯಾದ ಮೈಸೂರು, ವೇಗವಾಗಿ ಬೆಳೆಯುತ್ತಿರುವ ದ್ವಿತೀಯ ಹಂತದ (Tier-2) ಪ್ರಮುಖ ಉದ್ಯೋಗ ಮತ್ತು ಪ್ರವಾಸಿ ಕೇಂದ್ರವಾಗಿ ರೂಪಾಂತರಗೊಳ್ಳುತ್ತಿದೆ. ನಗರೀಕರಣದ ಈ ತೀವ್ರ ಬೆಳವಣಿಗೆಯಿಂದಾಗಿ ನಗರದಾದ್ಯಂತ ವಾಹನಗಳ ಸಾಂದ್ರತೆ ಅಪಾರವಾಗಿ ಹೆಚ್ಚಾಗಿದ್ದು, ರಸ್ತೆ ಸುರಕ್ಷತೆ, ಸಂಚಾರ ನಿಯಂತ್ರಣ ಮತ್ತು ಅಪರಾಧ ತಪಾಸಣೆ ಪೊಲೀಸ್ ಇಲಾಖೆಗೆ ಅತ್ಯಂತ ಜಟಿಲವಾದ ಸವಾಲಾಗಿ ಪರಿಣಮಿಸಿದೆ. ಸಾಂಪ್ರದಾಯಿಕ ಮಾನವಚಾಲಿತ ಸಂಚಾರ ನಿಯಂತ್ರಣ ವ್ಯವಸ್ಥೆಯು ನಗರದ ವಿಸ್ತಾರ ಹಾಗೂ ಪ್ರಮುಖ ರಾಷ್ಟ್ರೀಯ ಮತ್ತು ರಾಜ್ಯ ಹೆದ್ದಾರಿಗಳ ವಾಹನ ದಟ್ಟಣೆಯನ್ನು ನಿಭಾಯಿಸಲು ಅಸಮರ್ಥವಾಗುತ್ತಿರುವುದನ್ನು ಮನಗಂಡು, ಮೈಸೂರು ನಗರ ಮತ್ತು ಜಿಲ್ಲಾ ಪೊಲೀಸ್ ಇಲಾಖೆಯು ‘ಬುದ್ಧಿವಂತ ಸಂಚಾರ ನಿರ್ವಹಣಾ ವ್ಯವಸ್ಥೆ’ (Intelligent Traffic Management System – ITMS) ಯನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸಿದೆ.

ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ (Artificial Intelligence), ಕಂಪ್ಯೂಟರ್ ವಿಷನ್ (Computer Vision) ಮತ್ತು ಆಪ್ಟಿಕಲ್ ಕ್ಯಾರಕ್ಟರ್ ರೆಕಗ್ನಿಷನ್ (OCR) ತಂತ್ರಜ್ಞಾನ ಆಧಾರಿತ ಈ ನೂತನ ಕಣ್ಗಾವಲು ವ್ಯವಸ್ಥೆಯು, ರಸ್ತೆ ಸಂಚಾರ ನಿಯಮಗಳ ಉಲ್ಲಂಘನೆಯನ್ನು ಸ್ವಯಂಚಾಲಿತವಾಗಿ ಗುರುತಿಸಿ ಇ-ಚಲನ್ (e-Challan) ಮೂಲಕ ದಂಡ ವಿಧಿಸುವ ಸಾಮರ್ಥ್ಯ ಹೊಂದಿದೆ. ಮಾನವ ರಹಿತ ಕಾವಲು, ಅಪಘಾತಗಳ ಪ್ರಮಾಣವನ್ನು ಇಳಿಸುವುದು, ವಾಹನ ಸವಾರರಲ್ಲಿ ಸ್ವಯಂ-ಪ್ರೇರಿತ ರಸ್ತೆ ಶಿಸ್ತು ಮೂಡಿಸುವುದು ಹಾಗೂ ಸಂಘಟಿತ ಅಪರಾಧ ತಪಾಸಣೆಯನ್ನು ಬಲಪಡಿಸುವುದು ಈ ಆಧುನಿಕ ತಾಂತ್ರಿಕ ಯೋಜನೆಯ ಮುಖ್ಯ ಉದ್ದೇಶಗಳಾಗಿವೆ.

ಮೂಲಸೌಕರ್ಯ, ಆರ್ಥಿಕ ಹಂಚಿಕೆ ಮತ್ತು ತಾಂತ್ರಿಕ ಸಾಮರ್ಥ್ಯಗಳು

ಮೈಸೂರು ನಗರ ಹಾಗೂ ಜಿಲ್ಲಾದ್ಯಂತ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಆಧಾರಿತ ಕ್ಯಾಮೆರಾ ಜಾಲವನ್ನು ನಿರ್ಮಿಸಲು ಸರ್ಕಾರ ಮತ್ತು ಪೊಲೀಸ್ ಇಲಾಖೆಯು ಬೃಹತ್ ಆರ್ಥಿಕ ಹಾಗೂ ಮೂಲಸೌಕರ್ಯ ಬೆಂಬಲವನ್ನು ಒದಗಿಸಿವೆ. ಈ ಯೋಜನೆಯ ಸಮಗ್ರ ಅನುಷ್ಠಾನಕ್ಕೆ ಸರಿಸುಮಾರು ₹8.5 ಕೋಟಿಗೂ ಹೆಚ್ಚಿನ ಮೊತ್ತವನ್ನು ವಿನಿಯೋಗಿಸಲಾಗಿದೆ. ಇದರಲ್ಲಿ ಮೈಸೂರು ನಗರ ಆಯುಕ್ತಾಲಯ ವ್ಯಾಪ್ತಿಗೆ ₹4 ಕೋಟಿ ಹಂಚಿಕೆಯಾಗಿದ್ದರೆ, ಜಿಲ್ಲಾ ಪೊಲೀಸ್ ವ್ಯಾಪ್ತಿಯ ಗ್ರಾಮೀಣ ಮತ್ತು ಹೆದ್ದಾರಿ ವಲಯಗಳಿಗೆ ₹4.5 ಕೋಟಿಯಿಂದ ₹5 ಕೋಟಿವರೆಗಿನ ಬಜೆಟ್ ವೆಚ್ಚ ಮಾಡಲಾಗಿದೆ. ಹೆಚ್ಚುವರಿಯಾಗಿ, ಭಾರತೀಯ ರಾಷ್ಟ್ರೀಯ ಹೆದ್ದಾರಿ ಪ್ರಾಧಿಕಾರವು (NHAI) ಬೆಂಗಳೂರು-ಮೈಸೂರು ಎಕ್ಸ್‌ಪ್ರೆಸ್‌ವೇ ಕಣ್ಗಾವಲಿಗಾಗಿ ಪ್ರತ್ಯೇಕವಾಗಿ ₹3.6 ಕೋಟಿ ವಿನಿಯೋಗಿಸಿದೆ.

ಕ್ಯಾಮೆರಾ ತಂತ್ರಜ್ಞಾನದ ವರ್ಗೀಕರಣ ಮತ್ತು ಕಾರ್ಯಕ್ಷಮತೆ

ಸಂಶೋಧನಾ ದತ್ತಾಂಶಗಳ ವಿಶ್ಲೇಷಣೆಯ ಪ್ರಕಾರ, ಮೈಸೂರು ಜಿಲ್ಲೆಯ ರಸ್ತೆ ಜಾಲದಲ್ಲಿ ಮುಖ್ಯವಾಗಿ ಎರಡು ದರ್ಜೆಯ ತಾಂತ್ರಿಕ ಸಾಧನಗಳನ್ನು ಅಳವಡಿಸಲಾಗಿದೆ:

1. ಸ್ವಯಂಚಾಲಿತ ನೋಂದಣಿ ಸಂಖ್ಯೆ ಪತ್ತೆ ಕ್ಯಾಮೆರಾಗಳು (ANPR – Automatic Number Plate Recognition): ಈ ಉನ್ನತ ದರ್ಜೆಯ ಕ್ಯಾಮೆರಾಗಳು ಗಂಟೆಗೆ 100 ಕಿಲೋಮೀಟರ್‌ಗಿಂತಲೂ ಹೆಚ್ಚಿನ ವೇಗದಲ್ಲಿ ಚಲಿಸುವ ವಾಹನಗಳ ನೋಂದಣಿ ಫಲಕಗಳನ್ನು (High-Security Registration Plates) ನಿಖರವಾಗಿ ಓದುವ ಹಾಗೂ ದಾಖಲಿಸುವ ತಾಂತ್ರಿಕ ಸಾಮರ್ಥ್ಯ ಹೊಂದಿವೆ.

2. ಉನ್ನತ ವ್ಯಾಪ್ತಿಯ ಸಿಸಿಟಿವಿ ಕ್ಯಾಮೆರಾಗಳು (High-Resolution CCTV): ಇವು ರೌಂದ್ರಿತ್ರಿ ಮುಕ್ತ ವೀಕ್ಷಣೆ ಸಾಮರ್ಥ್ಯ, ರಾತ್ರಿ ವೇಳೆ ಸ್ಪಷ್ಟವಾಗಿ ಚಿತ್ರೀಕರಿಸುವ ‘ನೈಟ್ ವಿಷನ್’ (Night Vision), ಹವಾಮಾನ ವೈಪರೀತ್ಯಗಳನ್ನು ತಡೆಯುವ (Weatherproof) ಮತ್ತು ಕಿಡಿಗೇಡಿಗಳಿಂದ ವಿಕೃತಗೊಳ್ಳುವುದನ್ನು ತಡೆಯುವ (Vandal-proof) ತಂತ್ರಜ್ಞಾನವನ್ನು ಹೊಂದಿವೆ.

ವಿಭಾಗ / ಪರಿಮಾಣ	ನಗರ ವ್ಯಾಪ್ತಿ (City Limits)	ಜಿಲ್ಲಾ ಹೆದ್ದಾರಿ ವ್ಯಾಪ್ತಿ (District Limits)	ಬೆಂಗಳೂರು-ಮೈಸೂರು ಎಕ್ಸ್‌ಪ್ರೆಸ್‌ವೇ (NH 275)
ಒಟ್ಟು ಅನುದಾನ (Budget)	₹4.0 ಕೋಟಿ	₹4.5 – ₹5.0 ಕೋಟಿ	₹3.6 ಕೋಟಿ (NHAI – VIDES)
ಕ್ಯಾಮೆರಾಗಳ ಸಂಖ್ಯೆ	370 (250 ನೂತನ + 120 ಹಳೆಯವು)	400 ಕ್ಯಾಮೆರಾಗಳು	60 ಕ್ಯಾಮೆರಾಗಳು (48 ANPR + 12 ವಿಡಿಯೋ)
ನಿಯೋಜಿತ ಸ್ಥಳಗಳು	25 ಪ್ರಮುಖ ಜಂಕ್ಷನ್‌ಗಳು	200 ರಿಂದ 257 ಸ್ಥಳಗಳು	ತಲಾ 6 ಪ್ರಮುಖ ವಲಯಗಳು (ಎರಡೂ ದಿಕ್ಕು)
ತಾಂತ್ರಿಕ ವಿನ್ಯಾಸ	ANPR & RLVD	300 CCTV + 100 ANPR	ANPR & VIDES ತಂತ್ರಜ್ಞಾನ
ಪ್ರಮುಖ ಗಮನ	ಸಿಗ್ನಲ್ ಜಂಪ್, ಹೆಲ್ಮೆಟ್ ರಹಿತ ಚಾಲನೆ	ವೇಗ ಪತ್ತೆ, ಅಪರಾಧ ತಪಾಸಣೆ, ರಾತ್ರಿ ಕಾವಲು	ಅತಿ ವೇಗ, ಲೇನ್ ಶಿಸ್ತು ಉಲ್ಲಂಘನೆ

ಭೌಗೋಳಿಕ ವ್ಯಾಪ್ತಿ ಮತ್ತು ಜಿಪಿಎಸ್ ಆಧಾರಿತ ವಿಕೇಂದ್ರೀಕೃತ ನಿಯೋಜನೆ

ಮೈಸೂರು ಜಿಲ್ಲೆಯಾದ್ಯಂತ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಕ್ಯಾಮೆರಾಗಳನ್ನು ನಿಖರ ಜಿಪಿಎಸ್ (GPS) ನಿರ್ದೇಶಾಂಕಗಳ ಆಧಾರದ ಮೇಲೆ ಪ್ರಮುಖ ನಗರ ಜಂಕ್ಷನ್‌ಗಳು, ಗ್ರಾಮೀಣ ವೃತ್ತಗಳು ಮತ್ತು ಅಪಘಾತ ಸಂಭವನೀಯ ಕಪ್ಪು ಚುಕ್ಕೆಗಳಲ್ಲಿ (Blackspots) ನಿಯೋಜಿಸಲಾಗಿದೆ.

ನಗರ ಆಯುಕ್ತಾಲಯ ವ್ಯಾಪ್ತಿಯ ನಿಯೋಜನೆ

ಮೈಸೂರು ನಗರದ ಅಭಿವೃದ್ಧಿ ಹೊಂದಿದ ವಲಯಗಳಲ್ಲಿ ಒಟ್ಟು 370 ಸ್ಮಾರ್ಟ್ ಕ್ಯಾಮೆರಾಗಳು ಕಾರ್ಯನಿರತವಾಗಿದ್ದು, ಇದರಲ್ಲಿ 250 ನೂತನ ANPR ಮತ್ತು ರೆಡ್ ಲೈಟ್ ವೈಲೇಷನ್ ಡಿಟೆಕ್ಷನ್ (RLVD) ಕ್ಯಾಮೆರಾಗಳು ಸೇರಿವೆ. ನಗರ ಪೊಲೀಸ್ ಆಯುಕ್ತಾಲಯವು ಪ್ರಮುಖ 25 ಜಂಕ್ಷನ್‌ಗಳನ್ನು ಗುರುತಿಸಿ ಈ ವ್ಯವಸ್ಥೆಯನ್ನು ಜಾರಿಗೆ ತಂದಿದೆ. ಇವುಗಳಲ್ಲಿ ಹಾರ್ಡಿಂಜ್ ವೃತ್ತ, ಕೆ.ಆರ್. ವೃತ್ತ, ಸಿದ್ದಪ್ಪ ಚೌಕ, ರಾಮಸ್ವಾಮಿ ವೃತ್ತ, ಹಳೆಯ ಆರ್‌ಎಂಸಿ ಜಂಕ್ಷನ್, ಉದಯಗಿರಿ ವೃತ್ತ ಮತ್ತು ಫೀಲ್ಡ್ ಮಾರ್ಷಲ್ ಕಾರ್ಯಪ್ಪ ವೃತ್ತಗಳು ಪ್ರಮುಖವಾದವುಗಳಾಗಿವೆ. ನಗರದ ಸಿಟಿ ಕ್ಲಾಕ್ ಟವರ್ ಬಳಿ ನಾಲ್ಕು ANPR ಕ್ಯಾಮೆರಾಗಳನ್ನು ಟಿ-ಆಕಾರದ ಕಂಬಗಳಲ್ಲಿ ಸ್ಥಾಪಿಸಲಾಗಿದೆ.

ಜಿಲ್ಲಾ ಮತ್ತು ಉಪ-ವಿಭಾಗೀಯ ಹಂಚಿಕೆ

ಮೈಸೂರು ಜಿಲ್ಲಾ ಪೊಲೀಸ್ ಅಧೀಕ್ಷಕರ (SP) ವ್ಯಾಪ್ತಿಯಲ್ಲಿ 257 ಕಾರ್ಯತಂತ್ರದ ಸ್ಥಳಗಳನ್ನು ಗುರುತಿಸಿ, ಉಪ-ವಿಭಾಗವಾರು ಕ್ಯಾಮೆರಾಗಳನ್ನು ವಿಕೇಂದ್ರೀಕೃತ ರೀತಿಯಲ್ಲಿ ಹಂಚಿಕೆ ಮಾಡಲಾಗಿದೆ:

• ಮೈಸೂರು ದಕ್ಷಿಣ ಉಪ-ವಿಭಾಗ: ಮೈಸೂರು ದಕ್ಷಿಣ ಪೊಲೀಸ್ ಠಾಣೆ ವ್ಯಾಪ್ತಿಯ 16 ಜಿಪಿಎಸ್ ಆಧಾರಿತ ಸ್ಥಳಗಳಲ್ಲಿ 32 ANPR ಕ್ಯಾಮೆರಾಗಳನ್ನು ಸ್ಥಾಪಿಸಲಾಗಿದೆ. ಇವುಗಳಲ್ಲಿ ದೇವಲಾಪುರ ವೃತ್ತ, ಭೋಗಾದಿಗೌಡನಹಳ್ಳಿ ಗೇಟ್ ವೃತ್ತ, ಉದ್ಬೂರು ಗೇಟ್ ಜಂಕ್ಷನ್, ಇಲವಾಲ ಬೈಪಾಸ್ ಜಂಕ್ಷನ್, ವರುಣಾ ಸರೋವರ/ಸುತ್ತೂರು ರಸ್ತೆ ಜಂಕ್ಷನ್ ಮತ್ತು ರಮ್ಮನಹಳ್ಳಿ ಜಂಕ್ಷನ್‌ಗಳು ಸೇರಿವೆ.

• ಹುಣಸೂರು ಉಪ-ವಿಭಾಗ: ಹುಣಸೂರು ನಗರ, ಗ್ರಾಮಾಂತರ, ಪಿರಿಯಾಪಟ್ಟಣ, ಬೈಲಕುಪ್ಪೆ, ಹೆಚ್.ಡಿ. ಕೋಟೆ, ಸರಗೂರು ಮತ್ತು ಅಂತರಸಂತೆ ಠಾಣೆಗಳ ವ್ಯಾಪ್ತಿಯ 19 ಸ್ಥಳಗಳಲ್ಲಿ 29 ರಿಂದ 39 ಕ್ಯಾಮೆರಾಗಳನ್ನು ಅಳವಡಿಸಲಾಗಿದೆ. ಇದರಲ್ಲಿ ಹೆಚ್.ಡಿ. ಕೋಟೆಯ ಹ್ಯಾಂಡ್‌ಪೋಸ್ಟ್ ವೃತ್ತ, ಹುಣಸೂರಿನ ಕಲ್ಪತರು ವೃತ್ತ, ಪಿರಿಯಾಪಟ್ಟಣದ ಬೆಟ್ಟದಪುರ ವೃತ್ತ ಮತ್ತು ಕೊಪ್ಪ ಜಂಕ್ಷನ್‌ಗಳು ಪ್ರಮುಖ ಉಲ್ಲಂಘನೆ ತಡೆ ವಲಯಗಳಾಗಿವೆ.

• ನಂಜನಗೂಡು ಉಪ-ವಿಭಾಗ: ನಂಜನಗೂಡು ನಗರ, ಗ್ರಾಮಾಂತರ, ಕವಲಂದೆ, ಬಿಳೆಗೆರೆ, ಹುಲ್ಲಹಳ್ಳಿ, ಟಿ. ನರಸೀಪುರ, ಬನ್ನೂರು ಮತ್ತು ತಲಕಾಡು ವ್ಯಾಪ್ತಿಯ 22 ಸ್ಥಳಗಳಲ್ಲಿ 39 ANPR ಕ್ಯಾಮೆರಾಗಳನ್ನು ಸ್ಥಾಪಿಸಲಾಗಿದೆ. ನಂಜನಗೂಡಿನ ಗೋಳೂರು ಜಂಕ್ಷನ್, ಹುಲ್ಲಹಳ್ಳಿ ವೃತ್ತ, ಯಲಚಗೆರೆ ಜಂಕ್ಷನ್, ಕೆ.ಆರ್. ನಗರದ ಗರುಡಗಂಭ ವೃತ್ತ ಮತ್ತು ಸಾಲಿಗ್ರಾಮದ ಭೇರ್ಯ ಜಂಕ್ಷನ್‌ಗಳನ್ನು ಈ ಜಾಲದಡಿ ತರಲಾಗಿದೆ.

ಉಪ-ವಿಭಾಗ / ವಲಯ	ಜಿಪಿಎಸ್ ನಿಯೋಜಿತ ಸ್ಥಳಗಳು	ANPR ಕ್ಯಾಮೆರಾ ಪ್ರಮಾಣ	ಪ್ರಮುಖ ರಸ್ತೆ / ಜಂಕ್ಷನ್‌ಗಳು
ಮೈಸೂರು ದಕ್ಷಿಣ	16 ಸ್ಥಳಗಳು	32 ANPR	ದೇವಲಾಪುರ ವೃತ್ತ, ಉದ್ಬೂರು ಗೇಟ್, ಇಲವಾಲ ಬೈಪಾಸ್, ವರುಣಾ ಕೆರೆ ಜಂಕ್ಷನ್
ಹುಣಸೂರು ಉಪ-ವಿಭಾಗ	19 ಸ್ಥಳಗಳು	29 – 39 ANPR	ಕಲ್ಪತರು ವೃತ್ತ (ಹುಣಸೂರು), ಹ್ಯಾಂಡ್‌ಪೋಸ್ಟ್ (ಹೆಚ್.ಡಿ. ಕೋಟೆ), ಬೆಟ್ಟದಪುರ
ನಂಜನಗೂಡು ಉಪ-ವಿಭಾಗ	22 ಸ್ಥಳಗಳು	39 ANPR	ಗೋಳೂರು ಜಂಕ್ಷನ್, ಹುಲ್ಲಹಳ್ಳಿ ವೃತ್ತ, ಯಲಚಗೆರೆ ಜಂಕ್ಷನ್, ಬನ್ನೂರು
ಕೆ.ಆರ್. ನಗರ & ಸಾಲಿಗ್ರಾಮ	ಪ್ರಮುಖ ಕ್ರಾಸ್‌ಗಳು	ಸಂಯೋಜಿತ AI	ಗರುಡಗಂಭ ವೃತ್ತ (ಕೆ.ಆರ್. ನಗರ), ಭೇರ್ಯ ಜಂಕ್ಷನ್ (ಸಾಲಿಗ್ರಾಮ)

ಬೆಂಗಳೂರು-ಮೈಸೂರು ಎಕ್ಸ್‌ಪ್ರೆಸ್‌ವೇ (NH 275) ಮತ್ತು VIDES ವ್ಯವಸ್ಥೆ

ದಕ್ಷಿಣ ಭಾರತದ ಪ್ರಮುಖ ಪ್ರವೇಶ ನಿಯಂತ್ರಿತ ಹೆದ್ದಾರಿಯಾಗಿರುವ ಬೆಂಗಳೂರು-ಮೈಸೂರು ಎಕ್ಸ್‌ಪ್ರೆಸ್‌ವೇನಲ್ಲಿ (NH 275) ಸಂಭವಿಸುತ್ತಿದ್ದ ಸರಣಿ ಮಾರಕ ಅಪಘಾತಗಳನ್ನು ತಡೆಯಲು ಭಾರತೀಯ ರಾಷ್ಟ್ರೀಯ ಹೆದ್ದಾರಿ ಪ್ರಾಧಿಕಾರ (NHAI) ಹಾಗೂ ಕರ್ನಾಟಕ ರಾಜ್ಯ ಪೊಲೀಸ್ ಇಲಾಖೆ ಅತ್ಯಂತ ಸುಧಾರಿತ ತಂತ್ರಜ್ಞಾನವನ್ನು ನಿಯೋಜಿಸಿವೆ.

ಗುರುಗ್ರಾಮ ಮೂಲದ ‘ಟೆಕ್ಸಿಡೆಲ್ ಇಂಡಿಯಾ ಪ್ರೈವೇಟ್ ಲಿಮಿಟೆಡ್’ ಸಂಸ್ಥೆಗೆ ₹3.6 ಕೋಟಿ ಅಂದಾಜು ವೆಚ್ಚದ ‘ವಿಡಿಯೋ ಘಟನೆ ಪತ್ತೆ ಮತ್ತು ಜಾರಿ ವ್ಯವಸ್ಥೆ’ (VIDES – Video Incident Detection and Enforcement System) ಜಾರಿಗೊಳಿಸುವ ಹೊಣೆ ನೀಡಲಾಗಿದೆ. ಈ ಯೋಜನೆಯಡಿ ಎಕ್ಸ್‌ಪ್ರೆಸ್‌ವೇಯ ಎರಡೂ ದಿಕ್ಕುಗಳಲ್ಲಿ ತಲಾ 6 ಆಯಕಟ್ಟಿನ ಸ್ಥಳಗಳಲ್ಲಿ ಒಟ್ಟು 48 ANPR ಕ್ಯಾಮೆರಾಗಳು ಮತ್ತು NHAI ನಿಂದ 12 ವೀಡಿಯೊ ಕ್ಯಾಮೆರಾಗಳು ಸೇರಿದಂತೆ 60 AI ಆಧಾರಿತ ಕ್ಯಾಮೆರಾಗಳನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸಲಾಗಿದೆ. ಇವು ಅಮರಾವತಿ ಹೋಟೆಲ್ ಹಾಗೂ ಉಮ್ಮಡಹಳ್ಳಿ ಗೇಟ್ ಬಳಿ ಪೂರ್ಣಪ್ರಮಾಣದಲ್ಲಿ ಚಾಲನೆಯಲ್ಲಿವೆ.

ಕಾರ್ಯಕ್ಷಮತೆಯ ಪ್ರಭಾವ ಮತ್ತು ಫಲಿತಾಂಶಗಳು

ಈ ಕಣ್ಗಾವಲು ಜಾಲವು ಪ್ರಾರಂಭವಾದ ಕೇವಲ 15 ದಿನಗಳಲ್ಲಿಯೇ ಬೆಂಗಳೂರು-ಮೈಸೂರು ಎಕ್ಸ್‌ಪ್ರೆಸ್‌ವೇನಲ್ಲಿ 12,192 ರಸ್ತೆ ನಿಯಮ ಉಲ್ಲಂಘನೆ ಪ್ರಕರಣಗಳನ್ನು ದಾಖಲಿಸಿದೆ. ನಿಗದಿತ ವೇಗಮಿತಿ (ಗಂಟೆಗೆ 100 ಕಿಮೀ) ಮೀರುವ ವಾಹನಗಳು, ಅನಧಿಕೃತ ಲೇನ್ ಬದಲಾವಣೆಗಳು ಮತ್ತು ಎಕ್ಸ್‌ಪ್ರೆಸ್‌ವೇಗೆ ನಿಷೇಧವಿರುವ ದ್ವಿಚಕ್ರ/ತ್ರಿಚಕ್ರ ವಾಹನಗಳ ಚಲನವಲನಗಳನ್ನು ಈ ಸಿಸ್ಟಮ್ ಕ್ಷಣಮಾತ್ರದಲ್ಲಿ ಸೆರೆಹಿಡಿದು ಸ್ವಯಂಚಾಲಿತ ಚಲನ್‌ಗಳನ್ನು ವಿತರಿಸುತ್ತಿದೆ.

ಸ್ವಯಂಚಾಲಿತ ನಿಯಮ ಉಲ್ಲಂಘನೆ ಪತ್ತೆ ಮತ್ತು ಇ-ಚಲನ್ ಕಾರ್ಯವಿಧಾನ

ಮೈಸೂರಿನಲ್ಲಿ ಸ್ಥಾಪಿಸಲಾದ ITMS ವ್ಯವಸ್ಥೆಯು ಭಾರತೀಯ ಮೋಟಾರು ವಾಹನ ಕಾಯ್ದೆ 1988 (Indian Motor Vehicles Act 1988) ರ ಅಡಿಯಲ್ಲಿ ವಿವಿಧ ನಿಯಮ ಉಲ್ಲಂಘನೆಗಳನ್ನು ಸ್ವಯಂಚಾಲಿತವಾಗಿ ಗುರುತಿಸುತ್ತದೆ.

ಪತ್ತೆಯಾಗುವ ಉಲ್ಲಂಘನೆಗಳ ವಿವರ

1. ಹೆಲ್ಮೆಟ್ ರಹಿತ ಚಾಲನೆ: ದ್ವಿಚಕ್ರ ವಾಹನ ಚಾಲಕ ಮತ್ತು ಹಿಂಬದಿ ಸವಾರರಿಬ್ಬರೂ ಶಿರಸ್ತ್ರಾಣ ಧರಿಸದಿರುವುದನ್ನು ಗುರುತಿಸುವುದು.

2. ತ್ರಿಬಲ್ ರೈಡಿಂಗ್ : ದ್ವಿಚಕ್ರ ವಾಹನದಲ್ಲಿ ಇಬ್ಬರಿಗಿಂತ ಹೆಚ್ಚು ಪ್ರಯಾಣಿಕರು ಸಂಚರಿಸುವುದನ್ನು ಪತ್ತೆ ಮಾಡುವುದು.

3. ಚಾಲನೆ ವೇಳೆ ಮೊಬೈಲ್ ಬಳಕೆ: ಚಾಲನೆ ಮಾಡುತ್ತಾ ಮೊಬೈಲ್ ಫೋನ್‌ನಲ್ಲಿ ಮಾತನಾಡುವುದು ಅಥವಾ ಸಂದೇಶ ಕಳುಹಿಸುವುದನ್ನು ಗ್ರಹಿಸುವುದು.

4. ಸೀಟ್ ಬೆಲ್ಟ್ ನಿಯಮ ಉಲ್ಲಂಘನೆ : ನಾಲ್ಕು ಚಕ್ರದ ವಾಹನ ಚಾಲಕರು ಮತ್ತು ಮುಂಭಾಗದ ಪ್ರಯಾಣಿಕರು ಸೀಟ್ ಬೆಲ್ಟ್ ಧರಿಸದಿರುವುದನ್ನು ಪತ್ತೆ ಮಾಡುವುದು.

5. ನಿಗದಿತ ವೇಗ ಮಿತಿ ಉಲ್ಲಂಘನೆ : ಹೆದ್ದಾರಿ ಮತ್ತು ನಗರ ರಸ್ತೆಗಳಲ್ಲಿ ನಿಗದಿತ ವೇಗಕ್ಕಿಂತ ಹೆಚ್ಚು ವೇಗದಲ್ಲಿ ವಾಹನ ಚಲಾಯಿಸುವುದನ್ನು ಸೆರೆಹಿಡಿಯುವುದು.

6. ಸಿಗ್ನಲ್ ಜಂಪ್ ಹಾಗೂ ಏಕಮುಖ ರಸ್ತೆ ಉಲ್ಲಂಘನೆ : ಕೆಂಪು ದೀಪವನ್ನು ಉಲ್ಲಂಘಿಸಿ ಚಲಿಸುವುದು ಹಾಗೂ ವಿರುದ್ಧ ದಿಕ್ಕಿನಲ್ಲಿ ವಾಹನ ಚಲಾಯಿಸುವುದು.

7. ಅಕ್ರಮ ಪಾರ್ಕಿಂಗ್ ಮತ್ತು ಡ್ರ್ಯಾಗ್ ರೇಸಿಂಗ್ : ನಿಷೇಧಿತ ವಲಯಗಳಲ್ಲಿ ವಾಹನ ನಿಲ್ಲಿಸುವುದು ಮತ್ತು ನಿರ್ಜನ ರಸ್ತೆಗಳಲ್ಲಿ ಅಪಾಯಕಾರಿ ರೇಸಿಂಗ್ ಮಾಡುವುದನ್ನು ಗುರುತಿಸುವುದು.

ಇ-ಚಲನ್ ರವಾನೆ ಮತ್ತು ದಂಡ ವಸೂಲಾತಿಯ ಸಂಪೂರ್ಣ ತಾಂತ್ರಿಕ ಕಾರ್ಯಪ್ರವಾಹ

ತಾಂತ್ರಿಕ ಕಾರ್ಯಾಚರಣೆಯ ಪ್ರಕ್ರಿಯೆಯು ಯಾವುದೇ ಮಾನವ ಹಸ್ತಕ್ಷೇಪವಿಲ್ಲದೆ ಅತ್ಯಂತ ವೇಗವಾಗಿ ನಡೆಯುತ್ತದೆ. ರಸ್ತೆಯಲ್ಲಿ ನಿಯಮ ಉಲ್ಲಂಘನೆಯಾದ ತಕ್ಷಣ, ಎಡ್ಜ್-ಕಂಪ್ಯೂಟಿಂಗ್ (Edge Computing) ಸಾಮರ್ಥ್ಯವಿರುವ AI ಕ್ಯಾಮೆರಾ ವಾಹನದ ಚಿತ್ರ ಮತ್ತು ವಿಡಿಯೋ ದೃಶ್ಯಾವಳಿಯನ್ನು ಸೆರೆಹಿಡಿಯುತ್ತದೆ. ಈ ದೃಶ್ಯಾವಳಿಯನ್ನು ನಗರ ಪೊಲೀಸ್ ಆಯುಕ್ತರ ಕಚೇರಿ, ದಕ್ಷಿಣ ವಲಯ ಐಜಿಪಿ ಕಚೇರಿ ಅಥವಾ ನಜರ್‌ಬಾದ್‌ನಲ್ಲಿರುವ ಜಿಲ್ಲಾ ಪೊಲೀಸ್ ಅಧೀಕ್ಷಕರ ಕಚೇರಿಯಲ್ಲಿರುವ ತಾಂತ್ರಿಕ ನಿರ್ವಹಣಾ ಕೇಂದ್ರಕ್ಕೆ (Traffic Management Centre – TMC) ನೈಜ ಸಮಯದಲ್ಲಿ ರವಾನಿಸಲಾಗುತ್ತದೆ.

ಸಂಚಾರ ನಿರ್ವಹಣಾ ಕೇಂದ್ರದ ಸರ್ವರ್, ವಾಹನದ ನೋಂದಣಿ ಸಂಖ್ಯೆಯನ್ನು ಓದಿ ‘ವಾಹನ್’ (VAHAN) ರಾಷ್ಟ್ರೀಯ ದತ್ತಸಂಚಯದ ಅಪ್ಲಿಕೇಶನ್ ಪ್ರೋಗ್ರಾಮಿಂಗ್ ಇಂಟರ್ಫೇಸ್ (API) ಮೂಲಕ ವಾಹನ ಮಾಲೀಕರ ಹೆಸರು, ವಿಳಾಸ ಮತ್ತು ನೋಂದಾಯಿತ ಮೊಬೈಲ್ ಸಂಖ್ಯೆಯನ್ನು ಹಿಂಪಡೆಯುತ್ತದೆ. ತಕ್ಷಣವೇ ಇ-ಚಲನ್ (e-Challan) ತಂತ್ರಾಂಶವು ದಂಡದ ನೋಟಿಸ್ ಸೃಷ್ಟಿಸಿ, ನೋಂದಾಯಿತ ಮೊಬೈಲ್ ಸಂಖ್ಯೆಗೆ ನೇರವಾಗಿ ಎಸ್‌ಎಂಎಸ್ (SMS) ಸಂದೇಶವನ್ನು ಹಾಗೂ ಮಾಲೀಕರ ವಿಳಾಸಕ್ಕೆ ಭೌತಿಕ ನೋಟಿಸ್ ಅನ್ನು ರವಾನಿಸುತ್ತದೆ.

ದಂಡದ ಮೊತ್ತವನ್ನು ಪಾವತಿಸಲು ವಾಹನ ಮಾಲೀಕರಿಗೆ ಅಧಿಕೃತ ಆನ್‌ಲೈನ್ ಪೋರ್ಟಲ್ (https://payfine.mchallan.com:7271) ಅಥವಾ ಹತ್ತಿರದ ಸಂಚಾರ ಪೊಲೀಸ್ ಠಾಣೆಗೆ ಭೇಟಿ ನೀಡುವ ಆಯ್ಕೆಗಳನ್ನು ನೀಡಲಾಗಿದೆ. ನಿಗದಿತ ಅವಧಿಯಲ್ಲಿ ದಂಡ ಪಾವತಿಸಲು ವಿಫಲವಾದರೆ, ವಾಹನ ಮಾಲೀಕರು ಮೂರು ತಿಂಗಳ ಜೈಲು ಶಿಕ್ಷೆ ಅಥವಾ ₹1,000 ವರೆಗಿನ ಹೆಚ್ಚುವರಿ ದಂಡದ ಕಾನೂನು ಪರಿಣಾಮಗಳನ್ನು ಎದುರಿಸಬೇಕಾಗುತ್ತದೆ.

ಅಲ್ಗಾರಿದಮಿಕ್ ತಾಂತ್ರಿಕ ದೋಷಗಳು, ‘ಬ್ಯಾಗ್’ ಪ್ರಕರಣ ಮತ್ತು ಸವಾಲುಗಳು

ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಆಧಾರಿತ ಸಂಚಾರ ನಿರ್ವಹಣಾ ವ್ಯವಸ್ಥೆಯು ಜಾರಿಗೆ ಬಂದ ನಂತರ, ಅದರ ಅಲ್ಗಾರಿದಮಿಕ್ ತಪ್ಪು ಗ್ರಹಿಕೆಗಳು (Algorithmic Misperceptions) ಮತ್ತು ತಾಂತ್ರಿಕ ದೋಷಗಳು (Glitches) ಸಾರ್ವಜನಿಕ ವಲಯದಲ್ಲಿ ದೊಡ್ಡ ಮಟ್ಟದ ಚರ್ಚೆ ಹಾಗೂ ಆತಂಕಕ್ಕೆ ಕಾರಣವಾಗಿವೆ.

‘ಬ್ಯಾಗ್ ನೋಡಿ ದಂಡ ವಿಧಿಸಿದ’ ಪ್ರಸಿದ್ಧ ಪ್ರಕರಣ

ಮೈಸೂರು ನಗರದ ಕುವೆಂಪುನಗರ ನಿವಾಸಿ ನಾಗೇಶ್ ಎಂಬುವವರು ಹೆಲ್ಮೆಟ್ ಧರಿಸಿ, ತಮ್ಮ ಬೆನ್ನಿಗೆ ಬ್ಯಾಗ್ (Backpack) ನೇತುಹಾಕಿಕೊಂಡು ದ್ವಿಚಕ್ರ ವಾಹನದಲ್ಲಿ ಮಿಲೇನಿಯಂ ವೃತ್ತದ ಬಳಿ ಒಬ್ಬರೇ ಚಲಿಸುತ್ತಿದ್ದರು. ನಗರದ ಮಿಲೇನಿಯಂ ವೃತ್ತದಲ್ಲಿ ಅಳವಡಿಸಲಾಗಿದ್ದ AI ಕ್ಯಾಮೆರಾ, ನಾಗೇಶ್ ಅವರ ಬೆನ್ನಿನಲ್ಲಿದ್ದ ಬ್ಯಾಗ್ ಅನ್ನು ‘ಹಿಂಬದಿ ಸವಾರ’ (Pillion Rider) ಎಂದು ತಪ್ಪಾಗಿ ಗುರುತಿಸಿತು. ಬ್ಯಾಗ್ ಧರಿಸಿದ್ದ ‘ಹಿಂಬದಿ ಸವಾರ ಹೆಲ್ಮೆಟ್ ಧರಿಸಿಲ್ಲ’ ಎಂಬ ತೀರ್ಮಾನಕ್ಕೆ ಬಂದ ಸಿಸ್ಟಮ್, ಸ್ವಯಂಚಾಲಿತವಾಗಿ ₹500 ದಂಡದ ಇ-ಚಲನ್ ನೋಟಿಸ್ ಅನ್ನು ನಾಗೇಶ್ ಅವರ ಮೊಬೈಲ್‌ಗೆ ಕಳುಹಿಸಿತು.

ಆತಂಕಗೊಂಡ ಸವಾರರು ಸಂಚಾರ ಪೊಲೀಸ್ ಠಾಣೆಗೆ ತೆರಳಿ ಪರಿಶೀಲಿಸಿದಾಗ, ಕ್ಯಾಮೆರಾದ ತಂತ್ರಾಂಶವು ಬ್ಯಾಗ್‌ನ ಆಕಾರ ಮತ್ತು ವರ್ಣವನ್ನು ಮನುಷ್ಯನ ಆಕೃತಿಯೆಂದು ಭಾವಿಸಿರುವುದು ಮತ್ತು ತರಬೇತಿ ದತ್ತಸಂಚಯದ (Training Dataset) ಲೋಪದಿಂದ ಈ ಯಾಂತ್ರಿಕ ದೋಷ ಸಂಭವಿಸಿರುವುದು ಸಾಬೀತಾಯಿತು. ಈ ಘಟನೆಯು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ‘ಓವರ್ ಸ್ಮಾರ್ಟ್‌ನೆಸ್’ ಮತ್ತು ತಾಂತ್ರಿಕ ಮಿತಿಗಳನ್ನು ಬಹಿರಂಗಪಡಿಸಿತು.

ಸ್ವಯಂಚಾಲಿತ ವ್ಯವಸ್ಥೆಯ ದೋಷ ವರ್ಗೀಕರಣದ ಪ್ರಮುಖ ವಿಧಗಳು

ಸಂಚಾರ ಪೊಲೀಸ್ ಠಾಣೆಗಳಲ್ಲಿ ದಾಖಲಾಗಿರುವ ಇತರೆ ತಾಂತ್ರಿಕ ವೈಫಲ್ಯಗಳ ವಿಶ್ಲೇಷಣೆ:

• ಸೀಟ್ ಬೆಲ್ಟ್ ಮತ್ತು ಹೆಲ್ಮೆಟ್ ಗೊಂದಲ: ದ್ವಿಚಕ್ರ ವಾಹನ ಚಾಲಕರಿಗೆ ಸೀಟ್ ಬೆಲ್ಟ್ ಧರಿಸಿಲ್ಲವೆಂದು ಹಾಗೂ ನಾಲ್ಕು ಚಕ್ರದ ವಾಹನ ಚಾಲಕರಿಗೆ ಹೆಲ್ಮೆಟ್ ಧರಿಸಿಲ್ಲವೆಂದು ನೋಟಿಸ್ ರವಾನೆಯಾಗಿರುವ ಘಟನೆಗಳು.

• ಮನೆಯಲ್ಲಿ ನಿಲ್ಲಿಸಿದ ವಾಹನಗಳಿಗೆ ದಂಡ: ವಾಹನವು ಮನೆಯ ಗ್ಯಾರೇಜ್‌ನಲ್ಲಿ ಅಥವಾ ವರ್ಕ್‌ಶಾಪ್‌ನಲ್ಲಿ ನಿಂತಿದ್ದರೂ, ರಿಂಗ್ ರಸ್ತೆ ಅಥವಾ ಎಕ್ಸ್‌ಪ್ರೆಸ್‌ವೇನಲ್ಲಿ ‘ಅತಿ ವೇಗವಾಗಿ ಚಲಿಸಿದೆ’ ಎಂದು ಇ-ಚಲನ್ ಬಂದಿರುವುದು.

• ಸೋಲೋ ರೈಡರ್‌ಗೆ ತ್ರಿಬಲ್ ರೈಡಿಂಗ್ ದಂಡ: ಒಬ್ಬನೇ ಸವಾರ ಪ್ರಯಾಣಿಸುತ್ತಿದ್ದರೂ, ಹಿಂಭಾಗದ ಲಗೇಜ್ ಅಥವಾ ವಸ್ತುವನ್ನು ಗ್ರಹಿಸಿ ತ್ರಿಬಲ್ ರೈಡಿಂಗ್ ದಂಡ ವಿಧಿಸಿರುವುದು.

• ವಾಹನ ವರ್ಗೀಕರಣ ದೋಷ (Cross-vehicle Errors): ದ್ವಿಚಕ್ರ ವಾಹನ ಮಾಡಿದ ನಿಯಮ ಉಲ್ಲಂಘನೆಗೆ ಕಾರು ಮಾಲೀಕರಿಗೆ ಅಥವಾ ಕಾರು ಮಾಡಿದ ಉಲ್ಲಂಘನೆಗೆ ಬೈಕ್ ಮಾಲೀಕರಿಗೆ ದಂಡ ರವಾನೆಯಾಗಿರುವುದು.

ಈ ಯಾಂತ್ರಿಕ ದೋಷಗಳು ಪ್ರತಿ 1,000 ಪ್ರಕರಣಗಳಲ್ಲಿ ಒಂದೆರಡು ಪ್ರಕರಣಗಳಲ್ಲಿ ಸಂಭವಿಸುವ ಅಪರೂಪದ ಲೋಪಗಳಾಗಿವೆ ಎಂದು ಪೊಲೀಸ್ ಇಲಾಖೆ ಸ್ಪಷ್ಟಪಡಿಸಿದೆ. ದಂಡದ ನೋಟಿಸ್ ರವಾನಿಸುವ ಮೊದಲು ಸಿಬ್ಬಂದಿ ಮೂಲಕ ‘ಮಾನವ ಪರಿಶೀಲನೆ’ (Human-in-the-Loop Verification) ನಡೆಸಿ ದೋಷಗಳನ್ನು ಸರಿಪಡಿಸಲು ಕ್ರಮ ಕೈಗೊಳ್ಳಲಾಗುತ್ತಿದೆ. ಸಾರ್ವಜನಿಕರಿಗೆ ಇಂತಹ ತಪ್ಪು ನೋಟಿಸ್ ಬಂದಲ್ಲಿ ಸಂಚಾರ ಪೊಲೀಸ್ ಠಾಣೆಗೆ ಭೇಟಿ ನೀಡಿ ಸಾಕ್ಷ್ಯ ತೋರಿಸಿ ದಂಡವನ್ನು ಮನ್ನಾ ಮಾಡಿಸಿಕೊಳ್ಳಲು ಅವಕಾಶ ಕಲ್ಪಿಸಲಾಗಿದೆ.

ಸರ್ಕಾರಿ ಹಾಗೂ ಕೆಎಸ್‌ಆರ್‌ಟಿಸಿ (KSRTC) ವಾಹನಗಳಿಗೆ ಸಮಾನ ಕಾನೂನು ಜಾರಿ

ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಆಧಾರಿತ ಕ್ಯಾಮೆರಾ ವ್ಯವಸ್ಥೆಯ ಪ್ರಮುಖ ಆಡಳಿತಾತ್ಮಕ ಪ್ಲಸ್ ಪಾಯಿಂಟ್ ಎಂದರೆ ಕಾನೂನು ಜಾರಿಯಲ್ಲಿ ನಿಷ್ಪಕ್ಷಪಾತತೆಯನ್ನು ತಂದಿರುವುದು. ಸಾಂಪ್ರದಾಯಿಕ ಪೊಲೀಸ್ ತನಿಖೆಯಲ್ಲಿದ್ದ ‘ವಿಐಪಿ’ (VIP) ವಿನಾಯಿತಿಗಳು ಅಥವಾ ಸರ್ಕಾರಿ ವಾಹನಗಳ ಮೇಲಿನ ಮೃದು ಧೋರಣೆಯನ್ನು ಈ ಸಿಸ್ಟಮ್ ಸಂಪೂರ್ಣವಾಗಿ ಇಲ್ಲದಾಗಿಸಿದೆ.

ಮೈಸೂರು-ಬೆಂಗಳೂರು ಎಕ್ಸ್‌ಪ್ರೆಸ್‌ವೇ ಮತ್ತು ನಗರ ವ್ಯಾಪ್ತಿಯಲ್ಲಿ ಚಲಿಸುವ ಕರ್ನಾಟಕ ರಾಜ್ಯ ರಸ್ತೆ ಸಾರಿಗೆ ನಿಗಮದ (KSRTC) ಬಸ್ಸುಗಳು ಹಾಗೂ ವಿವಿಧ ಸರ್ಕಾರಿ ಇಲಾಖೆಗಳ ಅಧಿಕೃತ ವಾಹನಗಳು ನಿಯಮ ಉಲ್ಲಂಘಿಸಿದಾಗ AI ಕ್ಯಾಮೆರಾಗಳು ಯಾವುದೇ ವಿನಾಯಿತಿ ಇಲ್ಲದೆ ಚಲನ್ ಜನರೇಟ್ ಮಾಡುತ್ತಿವೆ.

ಸಂಚಾರ ಮತ್ತು ರಸ್ತೆ ಸುರಕ್ಷತಾ ವಿಭಾಗದ ಹೆಚ್ಚುವರಿ ಮಹಾನಿರ್ದೇಶಕರು (ADGP) ಅಲೋಕ್ ಕುಮಾರ್ ಅವರು, ಎಕ್ಸ್‌ಪ್ರೆಸ್‌ವೇನಲ್ಲಿ KSRTC ಬಸ್ ಚಾಲಕನೊಬ್ಬ ಚಾಲನೆ ಮಾಡುವಾಗ ಮೊಬೈಲ್ ಫೋನ್ ಬಳಸುತ್ತಿದ್ದುದನ್ನು AI ಕ್ಯಾಮೆರಾ ಸೆರೆಹಿಡಿದ ಚಿತ್ರದ ಸಮೇತ ಎಕ್ಸ್ (X) ಜಾಲತಾಣದಲ್ಲಿ ಹಂಚಿಕೊಂಡು, KSRTC ಆಡಳಿತ ಮಂಡಳಿಗೆ ಚಾಲಕನ ವಿರುದ್ಧ ಕಟ್ಟುನಿಟ್ಟಿನ ಶಿಸ್ತುಕ್ರಮ ಕೈಗೊಳ್ಳಲು ಸೂಚಿಸಿದ್ದರು. ಸರ್ಕಾರಿ ಸಾರಿಗೆ ಸಿಬ್ಬಂದಿಯಲ್ಲಿ ಚಾಲನಾ ಶಿಸ್ತು ಮೂಡಿಸಲು ಈ ತಂತ್ರಜ್ಞಾನ ಅತ್ಯಂತ ಪರಿಣಾಮಕಾರಿಯಾಗಿದೆ.

ವ್ಯವಸ್ಥೆಯ ಸಾಮಾಜಿಕ-ಆರ್ಥಿಕ ಪರಿಣಾಮಗಳು ಮತ್ತು ಭವಿಷ್ಯದ ಕಾರ್ಯತಂತ್ರ

ಮೈಸೂರು ಜಿಲ್ಲೆಯ ರಸ್ತೆ ಜಾಲದಲ್ಲಿ ಜಾರಿಗೆ ತರಲಾಗಿರುವ ಈ ಯೋಜನೆಯು ಭವಿಷ್ಯದ ಸ್ಮಾರ್ಟ್ ಸಿಟಿ ತಂತ್ರಜ್ಞಾನಗಳಿಗೆ ಪೂರಕವಾದ ಹಲವು ಸಾಮರ್ಥ್ಯಗಳನ್ನು ಹೊಂದಿದೆ.

ಭವಿಷ್ಯದ ಸುಧಾರಿತ ತಾಂತ್ರಿಕ ವಿಸ್ತರಣೆಗಳು

• ಅಡಾಪ್ಟಿವ್ ಟ್ರಾಫಿಕ್ ಸಿಗ್ನಲಿಂಗ್ (Adaptive Traffic Signals): ರಸ್ತೆಯಲ್ಲಿ ವಾಹನಗಳ ನೈಜ-ಸಮಯದ ಸಾಂದ್ರತೆಯನ್ನು ಲೆಕ್ಕ ಹಾಕಿ, ಸ್ವಯಂಚಾಲಿತವಾಗಿ ಸಿಗ್ನಲ್ ಹಸಿರು ದೀಪದ ಅವಧಿಯನ್ನು (Green Light Duration) ಹೆಚ್ಚು-ಕಡಿಮೆ ಮಾಡುವ ತಂತ್ರಜ್ಞಾನ.

• ಮುಖ ಗುರುತಿಸುವಿಕೆ ಮತ್ತು ಅಪರಾಧ ಪತ್ತೆ (Facial Recognition System – FRS): ಸಂಶಯಾಸ್ಪದ ವ್ಯಕ್ತಿಗಳು, ಹಳೆಯ ಅಪರಾಧಿಗಳು ಮತ್ತು ಕಳುವಾದ ವಾಹನಗಳನ್ನು ಪತ್ತೆ ಹಚ್ಚಲು ನೆರವಾಗುವ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಮಾದರಿಗಳು.

• ತುರ್ತು ಪ್ಯಾನಿಕ್ ವ್ಯವಸ್ಥೆ ಹಾಗೂ ಮಾಹಿತಿ ಫಲಕಗಳು (SOS Panic Systems & VMS): ರಸ್ತೆಗಳಲ್ಲಿ ಬದಲಾಗುವ ಹವಾಮಾನ ಮತ್ತು ಅಪಘಾತಗಳ ಬಗ್ಗೆ ಮುನ್ನೆಚ್ಚರಿಕೆ ನೀಡಲು ‘ವೇರಿಯೇಬಲ್ ಮೆಸೇಜ್ ಸೈನ್ ಬೋರ್ಡ್’ (VMS) ಹಾಗೂ ಸಾರ್ವಜನಿಕರ ತುರ್ತು ನೆರವಿಗಾಗಿ SOS ಪ್ಯಾನಿಕ್ ಬಟನ್ ಅಳವಡಿಕೆ.

• ದೇಹ ಧರಿಸುವ ಕ್ಯಾಮೆರಾಗಳು: ಸಂಚಾರ ಪೊಲೀಸರ ಕಾರ್ಯನಿರ್ವಹಣೆಯಲ್ಲಿ ಪಾರದರ್ಶಕತೆ ಕಾಯ್ದುಕೊಳ್ಳಲು ಬಾಡಿ-ವರ್ನ್ ಕ್ಯಾಮೆರಾಗಳ ಸಂಯೋಜನೆ.

ಸಾಮಾಜಿಕ ಮತ್ತು ರಸ್ತೆ ಸುರಕ್ಷತಾ ಪ್ರಭಾವ

ಮೈಸೂರು ಜಿಲ್ಲೆಯಲ್ಲಿ ನಿತ್ಯ ಸರಾಸರಿ 2 ರಿಂದ 3 ಜನರು ರಸ್ತೆ ಅಪಘಾತಗಳಲ್ಲಿ ಪ್ರಾಣ ಕಳೆದುಕೊಳ್ಳುತ್ತಿದ್ದು, ಇದರಲ್ಲಿ ಹೆಲ್ಮೆಟ್ ರಹಿತ ಚಾಲನೆ ಹಾಗೂ ಅತಿ ವೇಗವೇ ಪ್ರಮುಖ ಕಾರಣವಾಗಿದೆ. AI ಕ್ಯಾಮೆರಾಗಳ ನಿರಂತರ ಕಾವಲಿನಿಂದಾಗಿ ವಾಹನ ಸವಾರರಲ್ಲಿ ದಂಡದ ಭಯದ ಜೊತೆಗೆ ಸ್ವಯಂ-ಆಡಳಿತಾತ್ಮಕ ಚಾಲನಾ ಶಿಸ್ತು ಮೂಡುತ್ತಿದೆ. ಇದಲ್ಲದೆ, ಅಪರಾಧ ಕೃತ್ಯಗಳು ಸಂಭವಿಸಿದಾಗ ಸಿಸಿಟಿವಿ ಮತ್ತು ANPR ದೃಶ್ಯಾವಳಿಗಳನ್ನು ಬಳಸಿ ಅಪರಾಧಿಗಳನ್ನು ಕ್ಷಿಪ್ರವಾಗಿ ಬಂಧಿಸಲು ಪೊಲೀಸರಿಗೆ ಸಾಧ್ಯವಾಗುತ್ತಿದೆ.

 ಶಿಫಾರಸುಗಳು

ಮೈಸೂರು ಜಿಲ್ಲೆಯಲ್ಲಿ ಅನುಷ್ಠಾನಗೊಂಡಿರುವ ₹8.5 ಕೋಟಿಗೂ ಹೆಚ್ಚಿನ ವೆಚ್ಚದ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಆಧಾರಿತ ಸಂಚಾರ ನಿರ್ವಹಣಾ ವ್ಯವಸ್ಥೆಯು (ITMS), ಆಧುನಿಕ ತಂತ್ರಜ್ಞಾನವನ್ನು ಸಾರ್ವಜನಿಕ ಸುರಕ್ಷತೆಗೆ ಹೇಗೆ ಪರಿಣಾಮಕಾರಿಯಾಗಿ ಬಳಸಿಕೊಳ್ಳಬಹುದು ಎಂಬುದಕ್ಕೆ ಸಾಕ್ಷಿಯಾಗಿದೆ. 400ಕ್ಕೂ ಹೆಚ್ಚು ಸುಧಾರಿತ AI ಕ್ಯಾಮೆರಾಗಳು, ಬೆಂಗಳೂರು-ಮೈಸೂರು ಎಕ್ಸ್‌ಪ್ರೆಸ್‌ವೇ ಕಣ್ಗಾವಲು ಜಾಲ ಹಾಗೂ ಸ್ವಯಂಚಾಲಿತ ಇ-ಚಲನ್ ವ್ಯವಸ್ಥೆಯು ಜಿಲ್ಲೆಯ ರಸ್ತೆ ಸುರಕ್ಷತಾ ಚೌಕಟ್ಟನ್ನು ಬಲಪಡಿಸಿವೆ.

ಆದಾಗ್ಯೂ, ‘ಬ್ಯಾಗ್ ಅನ್ನು ಹಿಂಬದಿ ಸವಾರನೆಂದು ಗ್ರಹಿಸಿದ’ ಲೋಪದಂತಹ ಅಲ್ಗಾರಿದಮಿಕ್ ತಪ್ಪುಗಳು ತಂತ್ರಜ್ಞಾನದ ಸುಧಾರಣೆಯ ಅಗತ್ಯವನ್ನು ತೋರಿಸುತ್ತವೆ. ಈ ವ್ಯವಸ್ಥೆಯನ್ನು ಇನ್ನಷ್ಟು ದಕ್ಷಗೊಳಿಸಲು ಕೆಳಗಿನ ನೀತಿ ಸುಧಾರಣೆಗಳು ಅತ್ಯಗತ್ಯವಾಗಿವೆ:

• ಮಾನವ ಪರಿಶೀಲನಾ ಹಂತ (Human-in-the-Loop): AI ಸಿಸ್ಟಮ್ ನೀಡುವ ಉಲ್ಲಂಘನಾ ಚಿತ್ರಗಳನ್ನು ವಾಹನ ಮಾಲೀಕರಿಗೆ SMS ಕಳುಹಿಸುವ ಮೊದಲು ತಾಂತ್ರಿಕ ಸಿಬ್ಬಂದಿ ಕಡ್ಡಾಯವಾಗಿ ಪುನರ್-ಪರಿಶೀಲಿಸಬೇಕು.

• ಸ್ಥಳೀಯ ದತ್ತಸಂಚಯ ತರಬೇತಿ (Model Retraining): ಭಾರತೀಯ ರಸ್ತೆಗಳಲ್ಲಿ ಸವಾರರು ಬೆನ್ನಿಗೆ ಬ್ಯಾಗ್ ಹಾಕುವುದು, ಹೊರೆ ಹೊರುವುದು ಮುಂತಾದ ವೈವಿಧ್ಯಮಯ ಸನ್ನಿವೇಶಗಳನ್ನು AI ತಂತ್ರಾಂಶದ ನ್ಯೂರಲ್ ನೆಟ್‌ವರ್ಕ್‌ಗೆ (CNN) ತರಬೇತಿ ದತ್ತಾಂಶವಾಗಿ ನೀಡಬೇಕು.

• ಸುಲಭ ದೂರು ನಿವಾರಣಾ ಪೋರ್ಟಲ್: ತಪ್ಪು ದಂಡ ಬಂದಾಗ ಸಾರ್ವಜನಿಕರು ಪೊಲೀಸ್ ಠಾಣೆಗೆ ಅಲೆಯುವುದನ್ನು ತಪ್ಪಿಸಲು, ಡಿಜಿಟಲ್ ಪೋರ್ಟಲ್ ಅಥವಾ ಮೊಬೈಲ್ ಆಪ್ ಮೂಲಕವೇ ಮೇಲ್ಮನವಿ ಸಲ್ಲಿಸಿ ದಂಡ ರದ್ದು ಮಾಡಿಸಿಕೊಳ್ಳುವ ಆನ್‌ಲೈನ್ ಸೌಲಭ್ಯ ಕಲ್ಪಿಸಬೇಕು.

ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ತಾಂತ್ರಿಕ ವೇಗ ಮತ್ತು ಮಾನವೀಯ ಪರಿಶೀಲನೆಯ ಜಾಗರೂಕತೆ ಒಟ್ಟಾಗಿ ಸಾಗಿದಾಗ ಮಾತ್ರ ಮೈಸೂರು ನಗರವು ಕೇವಲ ಸಾಂಸ್ಕೃತಿಕ ನಗರಿಯಾಗಿಷ್ಟೇ ಅಲ್ಲದೆ, ಮಾದರಿ ಹಾಗೂ ಸುರಕ್ಷಿತ ಸ್ಮಾರ್ಟ್ ಸಿಟಿಯಾಗಿ ಬೆಳೆಯಲು ಸಾಧ್ಯ.

ಇತರೆ ಮಾಹಿತಿ

Plastic Recycling Innovation – ಹಾಲಿನ ಪ್ಲಾಸ್ಟಿಕ್ ಚೀಲಗಳಿಂದ ಉನ್ನತ ಇಂಜಿನಿಯರಿಂಗ್ ಪ್ಲಾಸ್ಟಿಕ್ ತಯಾರಿಕೆಯಲ್ಲಿ ಐಐಎಸ್‌ಸಿಯ ಹೊಸ ಸಾಧನೆ

Pashu Aadhaar Karnataka – ರಾಷ್ಟ್ರೀಯ ಡಿಜಿಟಲ್ ಪಶುಧನ ಮಿಷನ್, ಪಶು ಆಧಾರ್ ಮತ್ತು ಪಶುಸಂಗೋಪನೆಯ ಡಿಜಿಟಲ್ ಕ್ರಾಂತಿ

Gruha Jyothi Karnataka – ಗೃಹಜ್ಯೋತಿ ಯೋಜನೆ ಪರಿಶೀಲನೆ ಮತ್ತು ರಾಜ್ಯದ ಇಂಧನ ನೀತಿಯ ಹೊಸ ಬೆಳವಣಿಗೆಗಳು

PM Vishwakarma Karnataka – ದರ್ಜಿ ವೃತ್ತಿಪರರ ಸಬಲೀಕರಣ ಮತ್ತು ಗ್ರಾಮೀಣ ಕೌಶಲ್ಯ ಕ್ರಾಂತಿ

Grandfather Property Rights – ತಾತನ ಸ್ವಯಾರ್ಜಿತ ಆಸ್ತಿ, ಮೊಮ್ಮಕ್ಕಳ ಹಕ್ಕುಗಳು ಮತ್ತು ಕರ್ನಾಟಕ ಹೈಕೋರ್ಟ್ ತೀರ್ಪು

ಪ್ರಮುಖ ಲಿಂಕ್‌ಗಳು

ವಾಟ್ಸಾಪ್‌ ಗ್ರೂಪ್	CLICK HERE
ಟೆಲಿಗ್ರಾಮ್ ಗ್ರೂಪ್	CLICK HERE