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巨大成本。

利用嵌入到交通基础设施中的越来越多的传感器及其数字孪生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。目标是通过部署相机陷阱网络来绘制火车和有蹄类动物（狍子和野猪）之间的碰撞风险。

该研究由法国 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动物在基础设施内部和周围最可能的运动。这允许评估他们最有可能穿越的地方。

在确定了这些碰撞热点后，再次使用生态建模来辅助设计现场的光电传感器部署。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。

部署传感器后，收集的数据（在本例中为照片）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，将处理后的数据输入到丰度模型中，这是另一种类型的生态模型。它用于使用仅在该区域中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，其中显示了物种的相对丰度，因此，显示了基础设施沿线的碰撞风险。

这种方法是在法国西南部的实际铁路路段上实施的，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构思阶段实施（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集成到交通基础设施及其数字孪生中铺平了道路。随着传感器不断收集数据，未来可能会对其进行改进，以提供实时驾驶员信息并生成动态自适应地图，最终可以发送到自动驾驶汽车。

更多信息：Sylvain Moulherat 等人，使用智能传感器进行生物多样性监测：减轻动物与车辆碰撞的集成管道，自然保护（2024 年）。DOI10.3897/natureconservation.57.108950

期刊信息： Nature Conservation 

由 Pensoft Publishers 提供