Вештачката интелигенција ќе помогне да се предвидат сообраќајни несреќи пред тие да се случат

Денешниот свет е еден голем лавиринт поврзан со слоеви бетонски асфалт кои ни овозможуваат да патуваме со автомобил. Што се однесува до повеќето наши достигнувања поврзани со сообраќајот – GPS ни овозможува да користиме помалку неврони благодарение на апликациите за мапирање, камерите не предупредуваат на потенцијално скапи гребнатини, а електричните автономни автомобили имаат помала потрошувачка на гориво – што е со безбедносните мерки? Сè уште се потпираме на нашето постојано потпирање на семафорите, довербата и челикот околу нас за безбедно да стигнеме од точката А до точката Б.

За да се избегне неизвесноста поврзана со несреќите, научниците од Лабораторијата за компјутерски науки и вештачка интелигенција на MIT (CSAIL) и Катарскиот центар за вештачка интелигенција (QCAI) развија модел за длабоко учење кој создава мапи за ризик од несреќи со многу висока резолуција. Врз основа на комбинација од историски податоци за несреќи, мапи на патишта, сателитски снимки и GPS траки, мапите на ризик го опишуваат очекуваниот број на несреќи во одреден временски период во иднина за да се идентификуваат областите со висок ризик и да се предвидат идни несреќи.

Вообичаено, картите на ризик од овој тип се снимаат со многу помала резолуција, која се движи во стотици метри, што значи дека важните детали не можат да се видат. Овие мапи, сепак, имаат мрежни ќелии од пет на пет метри, а повисоката резолуција дава новооткриена јасност: Научниците открија дека, на пример, автопатот има поголем ризик од блиските станбени патишта.

Иако сообраќајните несреќи не се многу чести, тие чинат околу 3% од глобалниот БДП и се водечка причина за смрт кај децата и младите. Оваа реткост го прави создавањето на такви мапи со висока резолуција предизвикувачка задача. Но, пристапот на тимот ја проширува мрежата за да ги собере потребните податоци. Ги идентификува локациите со висок ризик користејќи шеми на траекторија на GPS кои обезбедуваат информации за густината на сообраќајот, брзината и насоката, како и сателитски снимки кои ги опишуваат структурите на патиштата како што се бројот на сообраќајни ленти, присуството на раменици или бројот на пешаци. Потоа, дури и ако област со висок ризик нема дефекти, таа сепак може да се идентификува како област со висок ризик само врз основа на сообраќајните шеми и топологијата.

„Нашиот модел може да се генерализира од еден град во друг со комбинирање на повеќе индиции од навидум неповрзани извори на податоци. Ова е чекор кон колаборативна вештачка интелигенција бидејќи нашиот модел може да предвиди мапи на несреќи на непознати територии“, вели Амин Садеги, водечки истражувач во Катарскиот компјутерски истражувачки институт (QCRI) и автор на трудот.

Тестираниот сет на податоци опфаќа 7 квадратни. км од Лос Анџелес, Њујорк, Чикаго и Бостон. Помеѓу четирите градови, Лос Анџелес беше најопасен поради најголемата густина на несреќи, а потоа следат Њујорк, Чикаго и Бостон.

„Ако луѓето можат да користат карта на ризик за да ги идентификуваат потенцијално ризичните области на патот, тие можат однапред да преземат чекори за да го намалат ризикот од патувањата што ги прават. Во апликации како што се Waze и Apple Мапи, постојат алатки за работа со инциденти, но ние се обидуваме да ги предвидиме неуспесите - пред да се случат“, - тие велат научници

Прочитајте исто така:

• Видео: Queclink GL300 Review - Како функционира GPS Tracker?
• Што е GPS: Видови системи за позиционирање, како функционира и што носи иднината