سيساعد الذكاء الاصطناعي في التنبؤ بحوادث الطرق قبل وقوعها

عالم اليوم متاهة واحدة كبيرة متصلة بطبقات من الأسفلت الخرساني تسمح لنا بالسفر بالسيارة. بالنسبة لمعظم التطورات المتعلقة بحركة المرور - يتيح لنا نظام تحديد المواقع العالمي (GPS) استخدام عدد أقل من الخلايا العصبية بفضل تطبيقات الخرائط ، وتحذرنا الكاميرات من الخدوش باهظة الثمن ، والسيارات الكهربائية ذاتية القيادة لديها استهلاك أقل للوقود - ماذا عن تدابير السلامة؟ ما زلنا نعتمد على اعتمادنا المستمر على إشارات المرور والثقة والصلب من حولنا للانتقال من النقطة أ إلى النقطة ب بأمان.

لتجنب عدم اليقين المرتبط بالحوادث ، طور علماء من مختبر علوم الكمبيوتر والذكاء الاصطناعي (CSAIL) التابع لمعهد ماساتشوستس للتكنولوجيا (MIT) ومركز قطر للذكاء الاصطناعي (QCAI) نموذجًا تعليميًا عميقًا ينشئ خرائط عالية الدقة لمخاطر الحوادث. استنادًا إلى مجموعة من بيانات الحوادث التاريخية وخرائط الطريق وصور الأقمار الصناعية ومسارات نظام تحديد المواقع العالمي (GPS) ، تصف خرائط المخاطر العدد المتوقع من الحوادث على مدى فترة زمنية في المستقبل لتحديد المناطق عالية الخطورة والتنبؤ بالحوادث المستقبلية.

عادة ، يتم تسجيل خرائط المخاطر من هذا النوع بدقة أقل بكثير ، تتراوح في مئات الأمتار ، مما يعني أنه لا يمكن رؤية التفاصيل المهمة. ومع ذلك ، تحتوي هذه الخرائط على خلايا شبكية طولها خمسة في خمسة أمتار ، وتوفر الدقة الأعلى وضوحًا جديدًا: اكتشف العلماء ، على سبيل المثال ، أن الطريق السريع ينطوي على مخاطر أعلى من الطرق السكنية القريبة.

على الرغم من أن حوادث السيارات ليست شائعة جدًا ، إلا أنها تكلف حوالي 3 ٪ من الناتج المحلي الإجمالي العالمي وهي السبب الرئيسي لوفاة الأطفال والشباب. هذا التباين يجعل إنشاء مثل هذه الخرائط عالية الدقة مهمة صعبة. لكن نهج الفريق يوسع الشبكة لجمع البيانات اللازمة. يحدد المواقع عالية الخطورة باستخدام أنماط مسار نظام تحديد المواقع العالمي (GPS) التي توفر معلومات عن كثافة حركة المرور وسرعتها واتجاهها ، بالإضافة إلى صور الأقمار الصناعية التي تصف هياكل الطرق مثل عدد الممرات المرورية ووجود الأكتاف أو عدد المشاة. بعد ذلك ، حتى إذا لم يكن هناك فشل في المنطقة عالية الخطورة ، فلا يزال من الممكن تحديدها كمنطقة عالية الخطورة بناءً على أنماط حركة المرور والطوبولوجيا وحدها.

"يمكن تعميم نموذجنا من مدينة إلى أخرى من خلال الجمع بين أدلة متعددة من مصادر بيانات تبدو غير ذات صلة. هذه خطوة نحو الذكاء الاصطناعي التعاوني لأن نموذجنا يمكن أن يتنبأ بخرائط الحوادث في مناطق مجهولة ، "حسب قول أمين صادقي ، الباحث الرئيسي في معهد قطر لبحوث الحوسبة (QCRI) ومؤلف الورقة.

غطت مجموعة البيانات المختبرة 7 قدم مربع. كيلومتر من لوس أنجلوس ونيويورك وشيكاغو وبوسطن. من بين المدن الأربع ، كانت لوس أنجلوس الأكثر خطورة بسبب أعلى كثافة للحوادث ، تليها نيويورك وشيكاغو وبوسطن.

"إذا كان بإمكان الأشخاص استخدام خريطة المخاطر لتحديد المناطق التي يحتمل أن تكون عالية الخطورة على الطريق ، فيمكنهم اتخاذ خطوات مسبقًا لتقليل مخاطر الرحلات التي يقومون بها. في تطبيقات مثل Waze و Apple الخرائط ، هناك أدوات للتعامل مع الحوادث ، لكننا نحاول توقع الإخفاقات - قبل حدوثها ، "- يقولون العلماء

اقرأ أيضا:

• فيديو: مراجعة Queclink GL300 - كيف يعمل GPS Tracker؟
• ما هو GPS: أنواع أنظمة تحديد المواقع ، وكيف يعمل وما يخبئه المستقبل