Zvýšení efektivity městského dohledu pomocí akustické detekce

Jméno klientaMěsto Plzeň

Země klientaČeská republika

  • Typ klientaJiné
  • OdvětvíObrana a bezpečnost
  • Oblast nasazeníAutomatizace provozu a procesů, IT, kybernetická bezpečnost a datová infrastruktura, Právo, compliance a řízení rizik
  • AI technologieEdge AI / Embedded systémy, Pokročilá analytika / Data Science, Rozpoznávání a syntéza řeči, Strojové učení
  • Přínos pro byznysEfektivita provozu a úspory nákladů, Řízení rizik a compliance
  • Typ datAudio Data, Senzorická / IoT data
  • Model dodáníProdukt / Licencovaný software
  • NasazeníEdge nebo Embedded
  • Klíčové schopnostiDetekce anomálií, rizik a podvodů, Zpřístupnění, bezpečnost a vylepšení člověka
  • Fáze projektuŠkálování / rozšířená implementace
  • Formy řešeníAnalýza, doporučení nebo report, Integrované řešení na edge / v zařízení, Plugin / rozšíření pro existující systém, Rozhraní přes API / Mikroslužby, Samostatná aplikace

Popis řešení

Obchodní problém

Město Plzeň provozuje rozsáhlý kamerový systém s více než 300 kamerami, který vyžaduje vysoké personální náklady a je náchylný k chybám lidských operátorů. Hlavní problém představovala zátěž operátorů a omezená schopnost včas identifikovat skutečné incidenty, což snižovalo efektivitu městského dohledu a zvyšovalo náklady.

Řešení

Byly nasazeny akustické detektory (SED), které automaticky rozpoznávají rizikové zvukové události (např. křik, střelbu, rozbití skla). I při pokrytí pouze 18 % kamerové sítě dokázaly SED nezávisle detekovat téměř tolik incidentů jako celý tým lidských operátorů. Řešení je plně automatizované, snadno škálovatelné a integruje se do stávajících dohledových systémů města.

Hlavní uživatelé řešení

Operátoři městského dohledového centra, městská policie, bezpečnostní složky.

Časový rámec projektu (měsíce)

6

Použité technologie

Konvoluční neuronové sítě, edge AI, embedded systémy, akustická analýza, API integrace.

Dodatečné služby

  • Podpora změny a školení uživatelů
  • Průběžná údržba a retraining modelu

Implementace

Vlastník projektu na straně klienta

Vedoucí funkční / provozní jednotky

Participace na straně klienta

  • Doménoví / procesní odborníci
  • Softwarové & datové inženýrství / IT Ops
  • Koncoví uživatelé

Forma zapojení dodavatele

Kompletní realizace

Provoz a údržba

Provozní model

Pravidelný servis zajišťuje dodavatel (JALUD Embedded).

Potřebné kompetence na straně klienta

Operátoři dohledového centra, technická podpora IT oddělení.

Další zdroje nebo infrastruktura

Integrace do stávající VMS, minimální navýšení IT infrastruktury, nízké provozní náklady.

Dopad a výsledky

Kvalitativní přínosy

Zvýšení efektivity městského dohledu Odlehčení operátorů Včasná a spolehlivá detekce incidentů Posílení bezpečnosti obyvatel bez zásahu do soukromí

Kvantitativní výsledky

61 incidentů detekováno akusticky (vs. 89 incidentů lidskými operátory) Snížení falešných poplachů: 5 % (SED) vs. 34 % (videoanalýza) Provozní náklady sníženy až o 95 % ve srovnání s lidskou obsluhou

Zpětná vazba klienta

Pozitivní – potvrdil vysokou efektivitu a nákladovou úsporu.

Poučení a doporučení

Klíčové faktory úspěchu

Snadná integrace do stávající infrastruktury Jasně měřitelné výsledky (falešné poplachy, náklady, incidenty) Úzká spolupráce s městskou policií

Největší výzvy

Překonání počáteční nedůvěry v AI technologie Koordinace s městskými IT systémy

Doporučení pro ostatní

Začněte pilotním nasazením na omezené části infrastruktury, které jasně ukáže efektivitu a usnadní rozšíření na celou síť.

Buďte v obraze s CNAIP. Přihlašte se k pravidelnému mediamonitoru a nemine vás žádná novinka v oblasti AI. Pravidelně dostanete do svých schránek přehled toho nejdůležitějšího.

Odběrem souhlasíte se Zásadami ochrany soukromí

Chcete se stát součástí České AI?

Podělte se o svůj příběh a ukažte, co vše s umělou inteligencí dokážete. Vaše zapojení inspiruje ostatní a pomůže nám zmapovat českou AI scénu v celém jejím rozsahu.