Inledning
Stockholms tunnelbana har sedan länge ett omfattande system för kameraövervakning, men nu väcks frågan om tekniken används fullt ut. Ett förslag om att införa AI-baserad digital igenkänning i övervakningssystemet lyfts som ett sätt att stärka tryggheten, underlätta polisens arbete och snabbare upptäcka olyckor i kollektivtrafiken. Stora delar av tunnelbanesystemet är sedan 1990-talet utrustade med övervakningskameror. Totalt finns omkring 20 000 kameror i drift, och polisen begär varje år ut cirka 3 000 bildutdrag i samband med utredningar.
Begränsad möjlighet till manuell övervakning
Trygghetscentralens personal har i dag inte möjlighet att manuellt bevaka samtliga kameraflöden i realtid. Förespråkare för tekniken pekar därför på behovet av automatiserade funktioner som kan reagera vid olyckor, fall på spårområdet eller andra akuta situationer. En nyligen inträffad händelse vid Gamla stans tunnelbanestation, där en man i 30-årsåldern föll ned på spåret och blev liggande i omkring tio minuter innan han blev påkörd, används som exempel på där ett automatiskt larm hade kunnat påskynda insatserna. Mannen överlevde olyckan.
AI som stöd vid olyckor och självmordsförsök
Kameraövervakning med AI lyfts även fram som ett verktyg för att upptäcka och förebygga självmordsförsök och allvarliga olyckor. Genom att analysera rörelsemönster och beteenden kan systemen larma när något avviker från det normala, vilket kan möjliggöra snabbare ingripanden. Detta kan vara särskilt viktigt i situationer där varje sekund räknas, och där ett snabbt ingripande kan vara skillnaden mellan liv och död.
Fördelar med AI-baserad övervakning
För att effektivisera hanteringen föreslås att SL kompletterar dagens system med AI-baserad analys som kan identifiera avvikelser och larma automatiskt. Detta kan bidra till att öka tryggheten i tunnelbanan, underlätta polisens arbete och snabbare upptäcka olyckor. Dessutom kan AI-baserad övervakning hjälpa till att förebygga brott och olyckor, genom att identifiera potentiella hot och larma personalen i förväg.
Exempel på framgångsrika implementationer
Det finns redan exempel på hur AI-baserad övervakning har implementerats med framgång i andra städer och länder. I vissa städer har man sett en signifikant minskning av brottsligheten och antalet olyckor, tack vare den förbättrade övervakningen och de snabbare insatserna. Detta är något som Stockholms tunnelbana kan lära av och implementera i sin egen verksamhet.
Utmaningar och begränsningar
Det finns dock också utmaningar och begränsningar med att implementera AI-baserad övervakning i tunnelbanan. En av de största utmaningarna är att säkerställa att systemen är tillförlitliga och inte ger falsklarm. Dessutom måste man också säkerställa att personalen har den utbildning och kompetens som krävs för att hantera de nya systemen. Det är också viktigt att säkerställa att övervakningen sker på ett sätt som respekterar människors integritet och rättigheter.
Slutsats
"Tunnelbanans övervakningskameror innehar förstklassig teknik som måste användas fullt ut. Med implementering av AI i systemet kan SL i högre grad säkra stockholmarna från brottslighet och tragiska olyckor", säger Karl Henriksson, gruppledare trafiknämnden Region Stockholm. Genom att implementera AI-baserad övervakning i tunnelbanan kan man öka tryggheten, underlätta polisens arbete och snabbare upptäcka olyckor. Det är en investering som kan bidra till att göra tunnelbanan till en säkrare och tryggare plats för alla resenärer.
