Yapay zeka, trafik kazalarını meydana gelmeden önce tahmin etmeye yardımcı olacak

Günümüz dünyası, araba ile seyahat etmemizi sağlayan beton asfalt katmanlarıyla birbirine bağlanan büyük bir labirenttir. Trafikle ilgili ilerlemelerimizin çoğuna gelince – GPS, haritalama uygulamaları sayesinde daha az nöron kullanmamıza izin veriyor, kameralar potansiyel olarak pahalı çizikler konusunda bizi uyarıyor ve elektrikli otonom arabaların yakıt tüketimi daha düşük – peki ya güvenlik önlemleri? A noktasından B noktasına güvenli bir şekilde ulaşmak için hala trafik ışıklarına, güvene ve çevremizdeki çeliğe sürekli güveniyoruz.

Kazalarla ilgili belirsizliği önlemek için MIT'nin Bilgisayar Bilimi ve Yapay Zeka Laboratuvarı'ndan (CSAIL) ve Katar Yapay Zeka Merkezi'nden (QCAI) bilim adamları, çok yüksek çözünürlüklü kaza risk haritaları oluşturan bir derin öğrenme modeli geliştirdiler. Geçmiş çarpışma verileri, yol haritaları, uydu görüntüleri ve GPS izlerinin bir kombinasyonuna dayalı olarak risk haritaları, yüksek riskli alanları belirlemek ve gelecekteki kazaları tahmin etmek için gelecekte belirli bir süre boyunca beklenen kaza sayısını tanımlar.

Tipik olarak, bu türdeki risk haritaları çok daha düşük bir çözünürlükte kaydedilir, yüzlerce metre arasında değişir, bu da önemli detayların görülemeyeceği anlamına gelir. Bununla birlikte, bu haritalar beşe beş metrelik ızgara hücrelerine sahiptir ve daha yüksek çözünürlük yeni keşfedilen netlik sağlar: Bilim adamları, örneğin bir otoyolun yakındaki yerleşim yollarından daha yüksek bir riske sahip olduğunu keşfettiler.

Araba kazaları çok yaygın olmasa da, küresel GSYİH'nın yaklaşık %3'üne mal oluyor ve çocuklar ve gençler için önde gelen ölüm nedeni. Bu seyreklik, bu tür yüksek çözünürlüklü haritalar oluşturmayı zorlu bir görev haline getirir. Ancak ekibin yaklaşımı, gerekli verileri toplamak için ağı genişletiyor. Trafik yoğunluğu, hızı ve yönü hakkında bilgi sağlayan GPS yörünge modellerinin yanı sıra trafik şeritlerinin sayısı, banketlerin varlığı veya yayaların sayısı gibi yol yapılarını tanımlayan uydu görüntülerini kullanarak yüksek riskli yerleri belirler. Daha sonra, yüksek riskli bir alanda hiçbir arıza olmasa bile, yalnızca trafik kalıplarına ve topolojiye dayalı olarak yine de yüksek riskli bir alan olarak tanımlanabilir.

"Modelimiz, görünüşte ilgisiz veri kaynaklarından gelen birden fazla ipucunu birleştirerek bir şehirden diğerine genelleştirilebilir. Katar Bilgi İşlem Araştırma Enstitüsü (QCRI) baş araştırmacısı ve makalenin yazarı Amin Sadeghi, bu, işbirlikçi yapay zekaya doğru bir adımdır, çünkü modelimiz keşfedilmemiş bölgelerdeki kaza haritalarını tahmin edebilir" diyor.

Test edilen veri seti 7 metrekareyi kapsıyordu. Los Angeles, New York, Chicago ve Boston'a km. Dört şehir arasında en yüksek kaza yoğunluğu nedeniyle Los Angeles en tehlikeli olurken, onu New York, Chicago ve Boston izledi.

"İnsanlar yolun potansiyel olarak yüksek riskli alanlarını belirlemek için bir risk haritası kullanabilirlerse, yaptıkları yolculukların riskini azaltmak için önceden adımlar atabilirler. Waze gibi uygulamalarda ve Apple Haritalar, olaylarla çalışmak için araçlar var, ancak başarısızlıkları - gerçekleşmeden önce - tahmin etmeye çalışıyoruz" - onlar söylüyor Bilim insanları

Ayrıca okuyun:

• Video: Queclink GL300 İncelemesi - GPS Tracker Nasıl Çalışır?
• GPS Nedir: Konumlandırma sistemlerinin türleri, nasıl çalıştığı ve geleceğin neler getireceği