amerika gazete haberleri haberler
Yazılar

Yapay Zeka ile Trafik Kazalarını Olmadan Önce Öngörme

Daha güvenli yollara yol açabilecek yüksek çözünürlüklü çarpışma haritalarını etkinleştirmek için geçmiş çarpışma verileri, yol haritaları, uydu görüntüleri ve GPS üzerinde derin bir model eğitildi.

Günümüz dünyası, bize araçla navigasyon lüksünü sağlayan beton ve asfalt katmanlarıyla birbirine bağlanan büyük bir labirenttir. Yolla ilgili ilerlemelerimizin çoğu için – GPS, harita uygulamaları sayesinde daha az nöron ateşlememize izin veriyor, kameralar bizi potansiyel olarak maliyetli sıyrıklar ve çizikler konusunda uyarıyor ve elektrikli otonom arabaların yakıt maliyetleri daha düşük – güvenlik önlemlerimiz tam olarak yetişmedi. A noktasından B noktasına güvenli bir şekilde ulaşmak için hala trafik sinyalleri, güven ve etrafımızı saran çeliğin sabit bir diyetine güveniyoruz.

MIT’nin Bilgisayar Bilimi ve Yapay Zeka Laboratuvarı’ndan (CSAIL) ve Katar Yapay Zeka Merkezi’nden bilim adamları, kazaların doğasında var olan belirsizliğin önüne geçmek için, çok yüksek çözünürlüklü çarpışma riski haritalarını tahmin eden bir derin öğrenme modeli geliştirdiler. Geçmiş çarpışma verileri, yol haritaları, uydu görüntüleri ve GPS izlerinin bir kombinasyonundan beslenen risk haritaları, yüksek riskli alanları belirlemek ve gelecekteki kazaları tahmin etmek için gelecekte belirli bir süre boyunca beklenen kaza sayısını tanımlar.

Tipik olarak, bu tür risk haritaları, yüzlerce metre civarında gezinen çok daha düşük çözünürlüklerde yakalanır, bu da yollar birlikte bulanıklaştığı için önemli detayların gözden kaçırılması anlamına gelir. Ancak bu haritalar 5×5 metrelik ızgara hücreleridir ve daha yüksek çözünürlük yeni keşfedilen netliği getirir: Bilim adamları, örneğin bir otoyol yolunun yakındaki yerleşim yollarından daha yüksek bir riske sahip olduğunu ve otoyolu birleştiren ve otoyoldan çıkan rampaların daha yüksek bir riske sahip olduğunu buldular. diğer yollardan bile daha yüksek risk.

“Her yerde ve herhangi bir tarihsel veri olmadan gelecekteki kazaların olasılığını belirleyen temel risk dağılımını yakalayarak, daha güvenli rotalar bulabilir, otomobil sigortası şirketlerinin müşterilerin sürüş yörüngelerine dayalı özelleştirilmiş sigorta planları sunmasını sağlayabilir, şehir plancılarının tasarım yapmasına yardımcı olabiliriz. daha güvenli yollar ve hatta gelecekteki kazaları tahmin edin” diyor araştırmayla ilgili yeni bir makalenin başyazarı olan MIT CSAIL doktora öğrencisi Songtao He.

Araba kazaları seyrek olsa da, dünya GSYİH’sının yaklaşık yüzde 3’üne mal oluyor ve çocuklarda ve genç yetişkinlerde önde gelen ölüm nedeni. Bu seyreklik, bu kadar yüksek çözünürlükte haritalar çıkarmayı zor bir görev haline getirir. Bu seviyedeki çarpışmalar ince bir şekilde dağılmıştır – 5×5 ızgara hücresindeki ortalama yıllık çarpışma olasılığı yaklaşık 1000’de birdir – ve aynı yerde nadiren iki kez meydana gelirler. Bir bölge ancak yakınlarda daha önce bir kaza meydana gelmişse yüksek riskli olarak kabul edileceğinden, önceki çarpışma riskini tahmin etme girişimleri büyük ölçüde “tarihsel” olmuştur.

Ekibin yaklaşımı, kritik verileri yakalamak için daha geniş bir ağ oluşturur. Yoğunluk, hız ve trafik yönü hakkında bilgi veren GPS yörünge modellerini ve şerit sayısı, banket olup olmadığı veya çok sayıda olup olmadığı gibi yol yapılarını tanımlayan uydu görüntülerini kullanarak yüksek riskli yerleri belirler. yayaların. Daha sonra, yüksek riskli bir alanda kayıtlı bir kaza olmasa bile, yalnızca trafik kalıplarına ve topolojisine göre yine de yüksek riskli olarak tanımlanabilir.

Modeli değerlendirmek için bilim adamları, 2017 ve 2018’deki kazaları ve verileri kullandılar ve 2019 ve 2020’deki kazaları tahmin etmedeki performansını test ettiler. Pek çok yer, hiçbir kayıtlı kaza olmamasına rağmen yüksek riskli olarak tanımlandı ve aynı zamanda kazalar yaşandı. takip eden yıllar.

“Modelimiz, görünüşte ilgisiz veri kaynaklarından gelen birden fazla ipucunu birleştirerek bir şehirden diğerine genellenebilir. Katar Bilgi İşlem Araştırma Enstitüsü’nün (QCRI) önde gelen bilim adamı ve makalenin yazarı Amin Sadeghi, bu, genel yapay zekaya doğru bir adımdır, çünkü modelimiz keşfedilmemiş bölgelerdeki çarpışma haritalarını tahmin edebilir” diyor. “Model, hayali senaryoları karşılaştırarak şehir planlaması ve politika oluşturma için olumlu bir kullanıma dönüşebilecek tarihsel çarpışma verilerinin yokluğunda bile faydalı bir çarpışma haritası çıkarmak için kullanılabilir.”

Veri seti Los Angeles, New York City, Chicago ve Boston’dan 7.500 kilometre kareyi kapsıyordu. Dört şehir arasında LA, en yüksek kaza yoğunluğuna sahip olduğu için en güvensiz olanıydı ve onu New York, Chicago ve Boston izledi.

“İnsanlar potansiyel olarak yüksek riskli yol bölümlerini belirlemek için risk haritasını kullanabilirlerse, yaptıkları yolculukların riskini azaltmak için önceden harekete geçebilirler. Waze ve Apple Haritalar gibi uygulamalarda olay özelliği araçları var, ancak çökmelerin önüne geçmeye çalışıyoruz – onlar olmadan önce,” diyor He.

Referans: Songtao He, Mohammad Amin Sadeghi, Sanjay Chawla , Mohammad Alizadeh, Hari Balakrishnan ve Samuel Madden, ICCV tarafından “Uydu görüntülerine ve GPS yörüngelerine dayalı yüksek çözünürlüklü trafik kazası risk haritalarının çıkarılmasını sağlamıştır”.

İlgili Makaleler

Bir cevap yazın

E-posta hesabınız yayımlanmayacak.

Başa dön tuşu
İstanbul evden eve nakliyat izmir dijital ajans dijital pazarlama