หากคุณขับรถในเส้นทางเดิมนานพอ คุณน่าจะรู้ตำแหน่งที่แน่นอนว่าป้ายจราจรไหนที่ซีดจางไปแล้ว หรือหลุมบ่อตรงไหนที่ถูก “ซ่อม” ซ้ำแล้วซ้ำเล่าแต่ไม่เคยหายไปจริงๆ ปัญหาบนท้องถนนเหล่านี้เป็นเรื่องง่ายที่จะสังเกตเห็นจากหลังพวงมาลัย แต่การจะนำปัญหาเหล่านั้นเข้าสู่ตารางการซ่อมบำรุงมักจะใช้เวลานานกว่ามาก เพื่อแก้ไขปัญหานี้ Honda จึงได้จับมือกับ DriveOhio ในโครงการริเริ่มด้านความปลอดภัยบนท้องถนนที่ขับเคลื่อนด้วย AI ซึ่งมีเป้าหมายเพื่อตรวจหาและรายงานปัญหาเชิงรุก โดยใช้ข้อมูลที่รวบรวมโดยตรงจากยานพาหนะขณะเคลื่อนที่ผ่านการจราจรในชีวิตประจำวัน
ในการประกาศอย่างเป็นทางการ Honda ระบุว่าได้เสร็จสิ้นสิ่งที่เรียกว่า “การทดสอบครั้งแรกของประเทศ” ในรัฐโอไฮโอ ซึ่งใช้เซนเซอร์จับภาพขั้นสูงและเทคโนโลยี LiDAR เพื่อระบุปัญหาต่างๆ เช่น หลุมบ่อ, พื้นผิวถนนที่เสื่อมสภาพ, ราวกั้นถนนที่เสียหาย รวมถึงป้ายจราจรที่สูญหายหรือถูกบดบัง ในระหว่างช่วงนำร่อง ฝูงรถยนต์ขนาดเล็กของ Honda ได้วิ่งครอบคลุมระยะทางประมาณ 3,000 ไมล์ ทั้งในเส้นทางเขตเมืองและชนบท โดยทำงานภายใต้สภาพอากาศที่หลากหลายและช่วงเวลาที่แตกต่างกันของวัน เพื่อระบุปัญหาเหล่านี้ด้วยความแม่นยำที่น่าประทับใจ
ตามผลลัพธ์ที่ได้ ระบบบำรุงรักษาถนนเชิงรุก (Proactive Roadway Maintenance System) มีประสิทธิภาพเป็นพิเศษในการตรวจจับปัญหาเรื่องป้ายจราจรและราวกั้นถนน โดยมีความแม่นยำอยู่ที่ 99 เปอร์เซ็นต์ และ 93 เปอร์เซ็นต์ ตามลำดับ นอกจากนี้ยังสามารถระบุปัญหาต่างๆ เช่น หลุมบ่อและพื้นผิวถนนที่ขรุขระด้วยความแม่นยำเกือบ 90 เปอร์เซ็นต์
การรายงานแบบเรียลไทม์อาจช่วยเร่งการบำรุงรักษาถนนให้เร็วขึ้น
ระบบจะแบ่งปันข้อมูลที่รวบรวมได้กับกระทรวงคมนาคมแห่งรัฐโอไฮโอ (ODOT) ซึ่งสามารถตรวจสอบและเปลี่ยนข้อมูลเหล่านั้นให้เป็นงานซ่อมบำรุงได้ทันที โดยไม่ต้องรอการตรวจสอบด้วยตนเองหรือรายงานจากสาธารณะ Honda กล่าวว่าแนวทางนี้สามารถลดระยะเวลาในการระบุและแก้ไขปัญหาบนถนนได้อย่างมาก พร้อมทั้งช่วยลดต้นทุนที่เกี่ยวข้องกับการตรวจสอบด้วยวิธีดั้งเดิม
แม้ว่าโครงการนี้จะยังมีขอบเขตที่จำกัด แต่ Honda เห็นศักยภาพในการขยายระบบให้ครอบคลุมมากขึ้น โดยการใช้ประโยชน์จาก Anonymized Data จากรถยนต์ที่เชื่อมต่อกัน (ซึ่งวิ่งอยู่บนท้องถนนอยู่แล้ว หากมีการนำไปใช้อย่างแพร่หลายมากขึ้น Honda ประเมินว่าระบบนี้จะสามารถช่วยประหยัดงบประมาณของกระทรวงคมนาคมโอไฮโอได้มากกว่า 4.5 ล้านดอลลาร์ต่อปี โดยการลดความจำเป็นในการใช้พนักงานตรวจสอบด้วยตนเอง
