Gervigreind mun hjálpa til við að spá fyrir um umferðarslys áður en þau verða

Heimurinn í dag er eitt stórt völundarhús sem er tengt saman með lögum af steinsteyptum malbiki sem gerir okkur kleift að ferðast með bíl. Hvað varðar flestar framfarir okkar sem tengjast umferð – GPS gerir okkur kleift að nota færri taugafrumur þökk sé kortlagningarforritum, myndavélar vara okkur við hugsanlega dýrum rispum og rafknúnir sjálfkeyrandi bílar hafa minni eldsneytisnotkun – hvað með öryggisráðstafanir? Við treystum enn á stöðugt traust okkar á umferðarljósum, trausti og stáli í kringum okkur til að komast frá A til B á öruggan hátt.

Til að forðast óvissu sem tengist slysum hafa vísindamenn frá tölvunarfræði- og gervigreindarrannsóknarstofu MIT (CSAIL) og Katar Center for Artificial Intelligence (QCAI) þróað djúpnámslíkan sem býr til slysahættukort í mjög mikilli upplausn. Byggt á blöndu af sögulegum slysagögnum, vegakortum, gervihnattamyndum og GPS brautum, lýsa áhættukort væntanlegum fjölda slysa yfir ákveðið tímabil í framtíðinni til að bera kennsl á áhættusvæði og spá fyrir um slys í framtíðinni.

Venjulega eru áhættukort af þessu tagi skráð í mun lægri upplausn, á bilinu hundruðum metra, sem þýðir að ekki er hægt að sjá mikilvægar upplýsingar. Þessi kort eru hins vegar með fimm sinnum fimm metra nethólf og hærri upplausnin gefur nýjan skýrleika: Vísindamenn hafa uppgötvað að til dæmis er meiri hætta á hraðbraut en nærliggjandi íbúðavegir.

Þrátt fyrir að bílslys séu ekki mjög algeng kosta þau um 3% af vergri landsframleiðslu og eru helsta dánarorsök barna og ungmenna. Þessi sparsemi gerir það að verkum að það er krefjandi verkefni að búa til svona kort í mikilli upplausn. En nálgun liðsins víkkar netið til að safna nauðsynlegum gögnum. Það auðkennir áhættustaði með því að nota GPS-ferilmynstur sem veita upplýsingar um umferðarþéttleika, hraða og stefnu, auk gervihnattamynda sem lýsa vegamannvirkjum eins og fjölda umferðarbrauta, tilvist axla eða fjölda gangandi vegfarenda. Þá, jafnvel þótt stórhættusvæði hafi engar bilanir, er samt hægt að greina það sem stórhættusvæði byggt á umferðarmynstri og staðfræði eingöngu.

„Það er hægt að alhæfa líkanið okkar frá einni borg til annarrar með því að sameina margar vísbendingar frá að því er virðist ótengdum gagnaveitum. Þetta er skref í átt að sameiginlegri gervigreind því líkanið okkar getur spáð fyrir um slysakort á óþekktum svæðum,“ segir Amin Sadeghi, aðalrannsakandi hjá Qatar Computing Research Institute (QCRI) og höfundur greinarinnar.

Prófað gagnasett náði yfir 7 fm. km frá Los Angeles, New York, Chicago og Boston. Af borgunum fjórum var Los Angeles hættulegast vegna mests slysaþéttleika, næst á eftir New York, Chicago og Boston.

„Ef fólk getur notað áhættukort til að bera kennsl á hugsanlega áhættusvæði á veginum getur það gert ráðstafanir fyrirfram til að draga úr hættunni á ferðunum sem það fer. Í forritum eins og Waze og Apple Kort, það eru tæki til að vinna með atvik, en við reynum að sjá fyrir bilanir - áður en þær gerast," - þeir segja vísindamenn

Lestu líka:

• Myndband: Queclink GL300 Review - Hvernig virkar GPS rekja spor einhvers?
• Hvað er GPS: Tegundir staðsetningarkerfa, hvernig það virkar og hvað framtíðin ber í skauti sér