Scienziati: l'intelligenza artificiale aiuterà a prevedere gli incidenti stradali

Il mondo di oggi è un grande labirinto collegato da strati di asfalto in cemento che ci permettono di viaggiare in auto. Per quanto riguarda la maggior parte dei nostri progressi relativi al traffico, il GPS ci consente di utilizzare meno neuroni grazie alle app di mappatura, le telecamere ci avvertono di graffi potenzialmente costosi e le auto elettriche autonome hanno un consumo di carburante inferiore: che dire delle misure di sicurezza? Facciamo ancora affidamento sulla nostra costante dipendenza dai semafori, dalla fiducia e dall'acciaio che ci circondano per andare dal punto A al punto B in sicurezza.

Per evitare l'incertezza associata agli incidenti, gli scienziati del Computer Science and Artificial Intelligence Laboratory (CSAIL) del MIT e del Qatar Center for Artificial Intelligence (QCAI) hanno sviluppato un modello di deep learning che crea mappe del rischio di incidenti ad altissima risoluzione. Basate su una combinazione di dati storici sugli incidenti, mappe stradali, immagini satellitari e tracce GPS, le mappe dei rischi descrivono il numero previsto di incidenti in un periodo di tempo futuro per identificare le aree ad alto rischio e prevedere incidenti futuri.

Tipicamente, le mappe di rischio di questo tipo vengono registrate con una risoluzione molto più bassa, che varia nell'ordine delle centinaia di metri, il che significa che i dettagli importanti non possono essere visti. Queste mappe, tuttavia, hanno celle della griglia di cinque metri per cinque e la risoluzione più elevata fornisce una chiarezza ritrovata: gli scienziati hanno scoperto che, ad esempio, un'autostrada ha un rischio maggiore rispetto alle strade residenziali vicine.

- Annuncio pubblicitario -

Sebbene gli incidenti stradali non siano molto comuni, costano circa il 3% del PIL mondiale e sono la principale causa di morte per bambini e giovani. Questa scarsità rende la creazione di mappe ad alta risoluzione un compito impegnativo. Ma l'approccio della squadra allarga la rete per raccogliere i dati necessari. Identifica le posizioni ad alto rischio utilizzando modelli di traiettoria GPS che forniscono informazioni sulla densità del traffico, velocità e direzione, nonché immagini satellitari che descrivono le strutture stradali come il numero di corsie di circolazione, la presenza di banchine o il numero di pedoni. Quindi, anche se un'area ad alto rischio non presenta guasti, può comunque essere identificata come un'area ad alto rischio solo in base ai modelli di traffico e alla topologia.

"Il nostro modello può essere generalizzato da una città all'altra combinando più indizi provenienti da fonti di dati apparentemente non correlate. Questo è un passo verso l'intelligenza artificiale collaborativa perché il nostro modello può prevedere mappe degli incidenti in territori inesplorati", afferma Amin Sadeghi, ricercatore capo presso il Qatar Computing Research Institute (QCRI) e autore dell'articolo.

Il set di dati testato copriva 7 mq. km da Los Angeles, New York, Chicago e Boston. Tra le quattro città, Los Angeles è stata la più pericolosa a causa della più alta densità di incidenti, seguita da New York, Chicago e Boston.

“Se le persone possono utilizzare una mappa del rischio per identificare le aree della strada potenzialmente ad alto rischio, possono adottare misure in anticipo per ridurre il rischio dei viaggi che fanno. In applicazioni come Waze e Apple Maps, ci sono strumenti per lavorare con gli incidenti, ma cerchiamo di anticipare i guasti, prima che accadano", - dicono scienziati

Leggi anche:

L'intelligenza artificiale aiuterà a prevedere gli incidenti stradali prima che si verifichino