Istraživači MIT-ovog Laboratorija za računalnu znanost i umjetnu inteligenciju (CSAIL) i katarskog Centra za umjetnu inteligenciju razvili su model dubokog učenja koji predviđa rizike sudara na kartama vrlo visoke razlučivosti.  

Karte visoke razlučivosti

Nahranjene kombinacijom povijesnih podataka o sudarima, mapama cesta, satelitskim snimkama i informacijama s GPS uređaja, karte rizika opisuju očekivani broj sudara u određenom razdoblju u budućnosti, kako bi se identificirala područja visokog rizika i predvidjeli budući sudari.

Ovakve vrste karata rizika već postoje, ali su obično snimane pri mnogo nižim razlučivostima, s odstupanjima od stotinjak matera, čime se drastično smanjuje njihova preciznost. Nove su karte, međutim, mrežne ćelije dimenzija 5x5 metara pa veća rezolucija nudi i veću jasnoću podataka.

Istraživači su tako otkrili kako je rizik na autocesti veći nego na obližnjim lokalnim cestama te da rizik od sudara dodatno raste u blizini rampi i pri izlasku s autocesta. 

"Temeljnom raspodjelom rizika kojom se određuje vjerojatnost budućih nesreća na svim mjestima, čak i bez povijesnih podataka, možemo pronaći sigurnije rute. To pak osiguravajućim društvima omogućuje izradu prilagođenih planova osiguranja na temelju putanje klijenata, a urbanistima pomaže da osmisle sigurnije ceste. U konačnici na taj se način mogu predvidjeti i buduće nesreće", kaže doktorand MIT CSAIL-a Songtao He.

Visoka cijena sudara

Visoka je cijena koju čovječanstvo plaća zbog sudara; posljedice prometnih nesreća koštaju oko tri posto svjetskog BDP-a i vodeći su uzrok smrti djece i mladih. Unatoč tim poraznim brojkama, sudari su s obzirom na količinu prometa zapravo rijetki, što otežava izradu karata visoke razlučivosti. Sudari su na ovoj razini prilično raspršeni: prosječne godišnje šanse za sudar u ćeliji mreže 5x5 metara iznose otprilike jedan prema 1000 i još se rjeđe događaju dva puta na istom mjestu.

Prethodni pokušaji predviđanja rizika od sudara bili su uglavnom "povijesni", jer bi se područje smatralo visokim rizikom samo ako je prethodno došlo do kakve nesreće u blizini.

GPS obrasci

Pristup američko-katarskog istraživačkog tima širi mrežu za prikupljanje kritičnih podataka. Identificira lokacije visokog rizika koristeći GPS obrasce putanje koji daju informacije o gustoći, brzini i smjeru prometa te satelitske snimke koje opisuju cestovne strukture, poput broja traka, postoji li zaustavna traka ili se u blizini kreće veliki broj pješaka. Čak i ako područje visokog rizika nema zabilježenih sudara, ono se i dalje može identificirati kao visokorizično na temelju prometnih obrazaca i topologije.

Za procjenu modela, znanstvenici su koristili podatke iz 2017. i 2018. godine i potom ih testirali pri predviđanju sudara u 2019. i 2020. 

"Naš model može generalizirati iz jednog grada u drugi kombiniranjem više tragova iz naizgled nepovezanih izvora podataka. Ovo je korak prema općoj umjetnoj inteligenciji, jer naš model može predvidjeti karte sudara na nepoznatim teritorijima", tvrdi Amin Sadeghi s Katarskog istraživačkog instituta (QCRI). Model se može koristiti i bez povijesnih podataka o nesrećama te koristiti za planiranje sigurnijih gradskih prometnica usporedbom zamišljenih scenarija.

Predviđanje mjesta sudara

Skup podataka obuhvaća 7500 četvornih kilometara prometnica u četiri američka grada. Los Angeles se pokazao najnesigurnijim jer je imao najveću gustoću sudara; slijedili su ga New York City, Chicago i Boston.

“Ako ljudi mogu upotrijebiti kartu rizika za identifikaciju potencijalno visokorizičnih segmenata cesta, mogu unaprijed poduzeti mjere kako bi smanjili rizik od sudara. Aplikacije poput Wazea i Apple Mapsa pokazuju gdje su se nesreće dogodile, ali mi pokušavamo na sudare upozoriti prije nego što se dogode", kaže He.

Rezultati rada grupe američkih i katarskih istraživača bit će predstavljen na virtualnoj Međunarodnoj konferenciji o računalnom vidu koja se upravo održava ovih dana.