通过现场传感器、人工智能和生态建模减轻动物与车辆的碰撞

动物和车辆之间的碰撞对保护工作和人类安全构成威胁，并给交通基础设施管理人员和用户带来了巨大的成本

利用越来越多的传感器嵌入交通基础设施及其数字双胞胎的发展所提供的机会，一个法国研究小组开发了一种旨在管理动物与车辆碰撞的方法。目标是通过部署摄像头陷阱网络来绘制火车和有蹄类动物（狍和野猪）之间的碰撞风险。

该研究由来自法国OïkoLab和TerrOïko的Sylvain Moulherat和Léa Pautrel领导，发表在开放获取期刊《自然保护》上

所提出的方法首先使用生态建模软件模拟基础设施内和周围动物最可能的运动。这可以评估他们最有可能穿越的地方

在识别出这些碰撞热点后，再次使用生态建模来协助设计现场的光传感器部署。对各种部署场景进行建模，以找到预测结果与初始模拟最一致的场景

一旦部署了传感器，收集的数据（在这种情况下是照片）将通过人工智能（深度学习）进行处理，以检测和识别基础设施附近的物种

最后，处理后的数据被输入到丰度模型中，这是另一种类型的生态模型。它用于使用仅在该区域的几个点收集的数据来估计研究区域每个部分的动物可能密度。结果是一张地图，显示了物种的相对丰度，从而显示了基础设施沿线的碰撞风险

这种方法在法国西南部的一段实际铁路上实施，但它可以应用于任何类型的交通基础设施。它不仅可以在现有基础设施上实施，还可以在新基础设施的概念阶段实施（作为环境影响评估战略的一部分）

这种方法为将面向生物多样性的监测系统整合到交通基础设施及其数字双胞胎中铺平了道路。随着传感器不断收集数据，未来可以改进它，提供实时驾驶员信息，并生成动态自适应地图，最终发送给自动驾驶汽车 More information: Sylvain Moulherat et al, Biodiversity monitoring with intelligent sensors: An integrated pipeline for mitigating animal-vehicle collisions, Nature Conservation (2024). DOI: 10.3897/natureconservation.57.108950

Journal information: Nature Conservation