Вештачка интелигенција ће помоћи у предвиђању саобраћајних несрећа пре него што се догоде

Данашњи свет је један велики лавиринт повезан слојевима бетонског асфалта који нам омогућавају да путујемо аутомобилом. Што се тиче већине наших напредака у саобраћају – ГПС нам омогућава да користимо мање неурона захваљујући апликацијама за мапирање, камере нас упозоравају на потенцијално скупе огреботине, а електрични аутономни аутомобили имају мању потрошњу горива – шта је са мерама безбедности? И даље се ослањамо на наше стално ослањање на семафоре, поверење и челик око нас да бисмо безбедно стигли од тачке А до тачке Б.

Да би избегли неизвесност у вези са несрећама, научници из Лабораторије за рачунарске науке и вештачку интелигенцију МИТ-а (ЦСАИЛ) и Катарског центра за вештачку интелигенцију (КЦАИ) развили су модел дубоког учења који креира мапе ризика од незгода веома високе резолуције. На основу комбинације историјских података о несрећама, мапа пута, сателитских снимака и ГПС трагова, мапе ризика описују очекивани број судара током одређеног временског периода у будућности како би се идентификовала подручја високог ризика и предвидела будућа судара.

Типично, карте ризика овог типа се снимају у много нижој резолуцији, у распону од стотина метара, што значи да се важни детаљи не могу видети. Ове мапе, међутим, имају ћелије мреже величине пет пута пет метара, а виша резолуција пружа новооткривену јасноћу: Научници су открили да, на пример, аутопут има већи ризик од оближњих стамбених путева.

Иако саобраћајне несреће нису честе, коштају око 3% глобалног БДП-а и водећи су узрок смрти деце и младих. Ова оскудност чини стварање оваквих мапа високе резолуције изазовним задатком. Али приступ тима шири мрежу како би прикупио потребне податке. Он идентификује локације високог ризика користећи ГПС обрасце путање који пружају информације о густини саобраћаја, брзини и правцу, као и сателитске слике које описују структуре пута као што су број саобраћајних трака, присуство рамена или број пешака. Затим, чак и ако подручје високог ризика нема кварова, оно се и даље може идентификовати као подручје високог ризика само на основу образаца саобраћаја и топологије.

„Наш модел се може генерализовати од једног града до другог комбиновањем више трагова из наизглед неповезаних извора података. Ово је корак ка колаборативној вештачкој интелигенцији јер наш модел може да предвиди мапе несрећа на неистраженим територијама“, каже Амин Садегхи, водећи истраживач на Катар Цомпутинг Ресеарцх Институте (КЦРИ) и аутор рада.

Тестирани скуп података покривао је 7 квадратних метара. км од Лос Анђелеса, Њујорка, Чикага и Бостона. Међу четири града, Лос Анђелес је био најопаснији због највеће густине незгода, а следе Њујорк, Чикаго и Бостон.

„Ако људи могу да користе мапу ризика да идентификују потенцијално високо ризична подручја на путу, могу унапред предузети кораке да смање ризик путовања које обављају. У апликацијама као што су Вазе и Apple Мапе, постоје алати за рад са инцидентима, али ми покушавамо да предвидимо неуспехе - пре него што се догоде", - они кажу научници

Прочитајте такође:

• Видео: Куецлинк ГЛ300 преглед - Како функционише ГПС Трацкер?
• Шта је ГПС: Врсте система за позиционирање, како функционише и шта носи будућност