Traffic Lab: Predecir un mundo sin accidentes automovilísticos

Los datos de fuentes colaborativas y el aprendizaje automático están ayudando a las ciudades a abordar un gran punto ciego: predecir y prevenir accidentes de tráfico.

(9 de noviembre de 2020)

Predecir y prevenir accidentes de tráfico podría allanar el camino para carreteras más seguras y eficientes
Trabajando hacia un mundo sin accidentes ni tráfico.

En los EE. UU., accidentes automovilísticos se cuentan por millones cada año, por lo que incluso la más mínima reducción puede ayudar a ahorrar miles de vidas. Es por eso que muchas ciudades han adoptado Vision Zero , una iniciativa que trabaja hacia el objetivo de alcanzar cero muertes y lesiones graves en las carreteras.

“It solía considerarse una noción radical «, dice Dan Flynn, científico de datos del Volpe Center , un centro de investigación dentro del Departamento de Transporte de los Estados Unidos (USDOT) que se centra en las innovaciones en el transporte, desde la logística hasta la planificación a largo plazo. “Ahora muchas ciudades han comprado esto”.

Lo que está en juego es dolorosamente claro. El objetivo está fijado. La única pregunta es: ¿cómo detiene los accidentes?

Un curso intensivo sobre prevención de accidentes

Para evitar accidentes, los funcionarios tienen cuatro herramientas principales en su caja de herramientas. La primera es la intervención conductual, como evitar la conducción imprudente o en estado de ebriedad. El segundo es la tecnología de los vehículos, lo que podría significar equipar más automóviles con innovaciones como el frenado automático.

Los dos últimos están mejorando las carreteras y dedicando las fuerzas de seguridad a monitorear las áreas de alto riesgo. Y para abordar esas áreas, los funcionarios deben saber dónde y cuándo es probable que ocurran accidentes. En otras palabras, necesitas el poder de la predicción.

Crash prediction = crash Prevention

La palabra «predicción» puede evocar imágenes que van desde bolas de cristal hasta la película de 2002 «Minority Report». En realidad, no son los poderes psíquicos los que permiten este trabajo, sino conjuntos de datos grandes, precisos y diversos, además del aprendizaje automático y el poder de computación a gran escala para analizarlos.

El Centro Volpe ha trabajado con otros USDOT investigadores durante años en modelos de seguridad vial, pero en 2017, agregaron un nuevo ingrediente a la mezcla: datos anónimos y de colaboración colectiva de Waze. La colaboración se debe a nuestro programa Waze for Cities , una asociación gratuita de intercambio de datos bidireccional, que cuenta con el apoyo del USDOT y su Iniciativa de datos de seguridad .

Los datos de Waze for Cities incluyen las colisiones, los peligros, la congestión y los cierres de carreteras que informa la comunidad de Waze todos los días. Se actualiza en USDOT Secure Data Commons cada dos minutos. Obviamente, eso es un poco más rápido que ingresar datos reportados por la policía que, en el mejor de los casos, se actualizan cada 24 horas.

Combinar las entradas de Waze con los datos que el USDOT ya tiene, como accidentes históricos y patrones climáticos, está ayudando a generar accidentes predicción mucho más precisa.

Programas piloto del mundo real

Building un modelo es solo el primer paso. El segundo es encontrar agencias públicas que puedan beneficiarse de él, lo cual es un poco una situación de Ricitos de Oro: algunos ya tienen su propio análisis de datos avanzado y otros no tienen la infraestructura técnica para respaldarlo.

Entonces, cuando USDOT se asoció con la Patrulla de Carreteras de Tennessee, encajó perfectamente. Como explica Flynn, «Podemos hacer análisis predictivos bastante interesantes sobre estos miles de millones de registros de datos de Waze, pero convertirlos en algo que se pueda implementar es un desafío continuo, y con Tennessee están listos. Ya están haciendo sus propios análisis predictivos «. De hecho, han estado usando análisis predictivo desde 2014 .

En Tennessee, el modelo ayuda a identificar dónde y cuándo deberían los policías estatales estar estacionado. La incorporación de datos de Waze al modelo predictivo de fallos ha generado nuevas y prometedoras perspectivas.

Los datos de Waze están ayudando a acortar el rango de predicciones de accidentes
No es una bola de cristal, pero nos estamos acercando a ver el futuro.

Antes, Tennessee La Patrulla de Carreteras pudo predecir accidentes dentro de un rango de 42 millas cuadradas y en cuatro horas. Ahora, es hasta una milla cuadrada y una hora . Básicamente, es la diferencia entre buscar las llaves en toda la casa y buscar solo la mesa de la cocina.Esto significa que los soldados tendrán una idea mucho más precisa de dónde asignar su tiempo para tener el mayor impacto en la seguridad.

Y Tennessee no es el único lugar donde se pone a prueba esta iniciativa. En Bellevue, Washington , el equipo de Volpe desarrolló modelos para ayudar a los funcionarios de la ciudad a planificar reparaciones en las carreteras en apoyo de su programa Vision Zero.

Anteriormente, los únicos datos de choques disponibles para la ciudad eran los choques informados por la policía, que a menudo son accidentes más graves, pero con los datos de Waze obtienen todos los datos de choques, incluidos los choques menores que no se informan a menudo a la policía. . Como explica Flynn, esta es una combinación poderosa: «Vemos un enlace que cuando tienes una gran cantidad de informes de accidentes de Waze, puede ser indicativo de un accidente reportable por la policía que vendrá más tarde».

The Volpe El tablero del Center está ayudando a los funcionarios de Bellevue a identificar qué caminos y corredores son los más peligrosos para los conductores. De esa manera, pueden priorizar las mejoras viales que ayudarán a salvar vidas.

Trabajando por caminos más seguros para todos

Si bien este es todavía un programa piloto, USDOT espera implementar Waze para ciudades de manera más amplia en el futuro. Y mientras tanto, USDOT está experimentando formas de mejorar los modelos agregando aún más fuentes de datos. Porque no son solo los automóviles que circulan por nuestras carreteras, también los ciclistas, los scooters y los peatones. Con más datos, pueden comprender mejor cómo proteger a todos los viajeros.

Predecir accidentes ya no es cosa de ciencia ficción, e iniciativas como esta nos ayudan a acercarnos a un mundo donde los accidentes graves son cosa del pasado.

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *