Жасанды интеллект жол-көлік оқиғаларын олар болғанға дейін болжауға көмектеседі

Бүгінгі әлем - бұл көлікпен саяхаттауға мүмкіндік беретін бетон асфальт қабаттарымен біріктірілген үлкен лабиринт. Жол қозғалысына қатысты жетістіктеріміздің көпшілігіне келетін болсақ – GPS картаға түсіру қолданбаларының арқасында нейрондарды азырақ пайдалануға мүмкіндік береді, камералар қымбат болуы мүмкін сызаттар туралы ескертеді, ал электрлік автономды көліктер отын шығынын азайтады – қауіпсіздік шаралары туралы не деуге болады? Біз әлі күнге дейін А нүктесінен В нүктесіне қауіпсіз жету үшін бағдаршамға, сенімге және айналамыздағы болатқа үнемі сенеміз.

Жазатайым оқиғалармен байланысты белгісіздікке жол бермеу үшін MIT информатика және жасанды интеллект зертханасының (CSAIL) және Катар жасанды интеллект орталығының (QCAI) ғалымдары өте жоғары ажыратымдылықтағы апат қаупі карталарын жасайтын терең оқыту моделін әзірледі. Тарихи апат деректерінің, жол карталарының, спутниктік суреттердің және GPS тректерінің тіркесіміне негізделген тәуекел карталары қауіпті аймақтарды анықтау және болашақ апаттарды болжау үшін болашақта белгілі бір уақыт аралығындағы апаттардың күтілетін санын сипаттайды.

Әдетте, мұндай түрдегі тәуекел карталары әлдеқайда төмен ажыратымдылықта жазылады, ол жүздеген метрге жетеді, яғни маңызды мәліметтер көрінбейді. Дегенмен, бұл карталарда бес-бес метрлік тор ұяшықтары бар және жоғары ажыратымдылық жаңадан табылған айқындықты қамтамасыз етеді: Ғалымдар, мысалы, автожолдың жақын маңдағы тұрғын үй жолдарына қарағанда жоғары қаупі бар екенін анықтады.

Автокөлік апаттары өте жиі орын алмаса да, олар әлемдік ЖІӨ-нің шамамен 3% құрайды және балалар мен жастардың өлімінің басты себебі болып табылады. Бұл сиректік мұндай жоғары ажыратымдылықтағы карталарды жасауды қиын тапсырма етеді. Бірақ команданың тәсілі қажетті деректерді жинау үшін желіні кеңейтеді. Ол көлік қозғалысының тығыздығы, жылдамдығы мен бағыты туралы ақпарат беретін GPS траектория үлгілерін, сондай-ақ қозғалыс жолақтарының саны, иықтардың болуы немесе жаяу жүргіншілер саны сияқты жол құрылымдарын сипаттайтын спутниктік суреттерді пайдалана отырып, қауіптілігі жоғары орындарды анықтайды. Содан кейін, жоғары қауіпті аймақта ақаулар болмаса да, оны тек қозғалыс схемалары мен топологиясына негізделген жоғары қауіпті аймақ ретінде анықтауға болады.

«Біздің модельді бір қаладан екіншісіне байланысты емес болып көрінетін деректер көздерінен алынған бірнеше анықтамаларды біріктіру арқылы жалпылауға болады. Бұл бірлескен жасанды интеллектке жасалған қадам, өйткені біздің модель картаға түспеген аумақтардағы апат карталарын болжай алады», - дейді Катар Есептеу зерттеу институтының (QCRI) жетекші зерттеушісі және мақаланың авторы Амин Садеги.

Тексерілген деректер жинағы 7 шаршы метрді қамтыды. Лос-Анджелес, Нью-Йорк, Чикаго және Бостоннан км. Төрт қаланың ішінде апаттың ең жоғары тығыздығына байланысты Лос-Анджелес ең қауіпті болды, одан кейін Нью-Йорк, Чикаго және Бостон болды.

«Егер адамдар жолдың ықтимал жоғары қауіпті аймақтарын анықтау үшін тәуекел картасын пайдалана алса, олар жасаған сапарларының қаупін азайту үшін алдын ала қадамдар жасай алады. Waze және сияқты қолданбаларда Apple Карталарда инциденттермен жұмыс істеуге арналған құралдар бар, бірақ біз сәтсіздіктерді олар болғанға дейін болжай білуге ​​тырысамыз», - дейді олар ғалымдар

Сондай-ақ оқыңыз:

• Бейне: Queclink GL300 шолуы - GPS Tracker қалай жұмыс істейді?
• GPS дегеніміз не: позициялау жүйелерінің түрлері, ол қалай жұмыс істейді және болашақта не болады