Нейросеть, обученная на исторических данных и спутниковых изображениях, предсказывает вероятность аварии на определенных участках дороги с детализацией 5×5 метров. Модель планируется внедрить в навигаторы для построения более безопасных маршрутов.
Ученые из Лаборатории компьютерных наук и искусственного интеллекта Массачусетского технологического института и Катарского центра искусственного интеллекта разработали модель глубокого обучения, которая наносит вероятность аварии на карты дорог с разрешением 5×5 метров. Модель была обучена на данных GPS-трекинга, которые дают информацию о плотности, скорости и направлении движения, исторических данных об авариях, а также спутниковых снимках, которые позволяют определить количество полос, наличие обочин или больших потоков пешеходов.
Датасет охватывает 7500 квадратных километров в Лос-Анджелесе, Нью-Йорке, Чикаго и Бостоне. Среди четырех городов Лос-Анджелес был самым небезопасным, так как в нем была самая высокая плотность аварий, а за ним следовали Нью-Йорк, Чикаго и Бостон.
Для оценки модели ученые обучили модель на данных за 2017 и 2018 годы, а затем проверили ее эффективность при прогнозировании аварий в 2019 и 2020 годах. Любопытно, что многие участки дорог были помечены нейросетью как места повышенного риска несмотря на то, что в них не было зарегистрировано аварий, но при этом на них произошли аварии в последующие годы. Также ученые обнаружили, что шоссе имеют более высокую вероятность аварии по сравнению с проходящими рядом дорогами, а максимальный риск аварий имеют съезды с шоссе.
Модель планируется использовать для поиска более безопасных маршрутов, предоставления страховыми компаниями индивидуальных планов страхования на основе траекторий движения клиентов и помощи архитекторам проектировать более безопасные дороги.
