Trafiklaboratorium: Forudsigelse af en verden uden bilnedbrud

Crowdsourced data og maskinindlæring hjælper byer med at tackle en stor blind plet: forudsige – og forhindre – trafiknedbrud.

(9. nov 2020)

Forudsigelse og forebyggelse af trafikulykker kan bane vejen for sikrere og mere effektive veje
Arbejde mod en verden uden ulykker – eller trafik.

I USA bilulykker antal millioner hvert år, så selv den mindste reduktion kan hjælpe med at spare tusinder af liv. Derfor har mange byer vedtaget Vision Zero , et initiativ, der arbejder mod målet om at nå nul dødsfald og alvorlige kvæstelser på veje.

“Det plejede at blive betragtet som en radikal forestilling, ”siger Dan Flynn, dataforsker ved Volpe Center , et forskningscenter inden for United States Department of Transportation (USDOT) med fokus på innovation inden for transport, fra logistik til langtrækkende planlægning. ”Nu har mange byer købt sig ind i dette.”

Indsatsen er smertefuld klar. Målet er sat. Det eneste spørgsmål er: hvordan stopper du nedbrud?

Et crashkursus om forebyggelse af nedbrud

For at forhindre nedbrud har embedsmænd fire hovedværktøjer i deres værktøjskasse. Den første er adfærdsmæssig indgriben – som at forhindre fuld eller hensynsløs kørsel. Det andet er køretøjsteknologi, hvilket kan betyde at udstyre flere biler med innovationer som automatisk bremsning.

De sidste to forbedrer vejbaner og dedikerer retshåndhævelse til at overvåge højrisikoområder. Og for at adressere disse områder skal embedsmænd vide, hvor og hvornår der sandsynligvis vil ske ulykker. Med andre ord har du brug for forudsigelseskraften.

Forudsigelse af nedbrud = forebyggelse af nedbrud

Ordet “forudsigelse” kan trylle billeder, der spænder fra krystalkugler til 2002-filmen “Minoritetsrapport.” I virkeligheden er det ikke psykiske kræfter, der muliggør dette arbejde, men store, nøjagtige og forskellige datasæt plus maskinindlæring og storskala computerkraft til at analysere dem.

Volpe Center har arbejdet med andre USDOT forskere i årevis på modeller af vejsikkerhed, men i 2017 tilføjede de en ny ingrediens til blandingen: anonymiserede, crowdsourced data fra Waze. Samarbejdet er takket være vores Waze for Cities-program , et gratis tovejs datadelingspartnerskab, der understøttes af USDOT og dets Sikkerhedsdatainitiativ .

Dataene om Waze for Cities inkluderer kollisioner, farer, overbelastning og vejspærringer, der rapporteres hver dag af Waze Community. Det opdateres i USDOT Secure Data Commons hvert andet minut. Det er naturligvis lidt hurtigere end at indsætte politirapporterede data, som i bedste fald opdateres hver 24. time.

At kombinere Waze-input med de data, USDOT allerede har, som historiske nedbrud og vejrmønstre, hjælper med at gøre en ulykke forudsigelse meget mere præcis.

Virkelige pilotprogrammer

Bygning en model er kun det første skridt. Det andet er at finde offentlige agenturer, der kan drage fordel af det, hvilket er lidt af en Goldilocks-situation: Nogle har allerede deres egen avancerede dataanalyse, og andre har ikke den tekniske infrastruktur til at understøtte den.

Så da USDOT gik sammen med Tennessee Highway Patrol, passede det perfekt. Som Flynn forklarer, ”Vi kan lave ret interessante forudsigende analyser af disse milliarder af optegnelser af Waze-data, men at gøre det til noget, der kan implementeres, er en løbende udfordring, og med Tennessee er de klar. De laver allerede deres egne forudsigende analyser. ” Faktisk har de brugt forudsigende analyse siden 2014 .

I Tennessee hjælper modellen med at finde ud af, hvor og hvornår statstropper skal være stationeret. Tilføjelsen af ​​Waze-data til den forudsigelige crash-model har ført til nogle lovende nye indsigter.

Waze-data hjælper med at forkorte rækkevidden af forudsigelser om ulykker
Ikke helt en krystalkugle, men vi nærmer os at se fremtiden.

Før Tennessee Highway Patrol var i stand til at forudsige ulykker inden for et område på 42 kvadratkilometer og inden for fire timer. Nu er det ned til en kvadratkilometer og en time . Det er dybest set forskellen mellem at søge i hele hjemmet efter dine nøgler versus at søge bare på dit køkkenbord.Det betyder, at troopere får et meget mere præcist billede af, hvor de skal afsætte deres tid til at have størst indflydelse på sikkerheden.

Og Tennessee er ikke det eneste sted, der styrer dette initiativ. I Bellevue, Washington , udviklede Volpe-teamet modeller til at hjælpe byens embedsmænd med at planlægge vejretninger til støtte for deres Vision Zero-program.

Tidligere var de eneste nedbrudsdata, der var tilgængelige for byen, politirapporterede nedbrud, som ofte er mere alvorlige ulykker, men med Waze-data får de alle nedbrudsdata, inklusive mindre fenderbukkere, der ikke ofte rapporteres til politiet . Som Flynn forklarer, er dette en kraftfuld kombination: “Vi ser et link til, at når du har et stort antal af Waze-nedbrudsrapporterne, kan det være tegn på, at et politirapporterbart nedbrud kommer senere.”

Volpe Centerets instrumentbræt hjælper Bellevues embedsmænd med at identificere, hvilke veje og korridorer der er de farligste for chauffører. På den måde kan de prioritere vejforbedringer, der hjælper med at redde liv.

Arbejder mod sikrere veje for alle

Mens dette stadig er et pilotprogram, håber USDOT at udbrede Waze for Cities mere bredt i fremtiden. Og i mellemtiden eksperimenterer USDOT med måder at gøre modellerne bedre ved at tilføje endnu flere datakilder. Fordi det ikke kun er biler, der kører på vores veje, det er også cyklister, scootere og fodgængere. Med flere data kan de bedre forstå, hvordan man holder alle rejsende sikre.

Forudsigelse af nedbrud er ikke længere noget sci-fi, og initiativer som denne hjælper os med at komme tættere på en verden, hvor alvorlige ulykker hører fortiden til.

Skriv et svar

Din e-mailadresse vil ikke blive publiceret. Krævede felter er markeret med *