Laboratorium ruchu: przewidywanie świata bez wypadków samochodowych

Crowdsourcing danych i systemy uczące się pomagają miastom radzić sobie z poważnym martwym punktem: przewidywanie i zapobieganie wypadkom drogowym.

(9 listopada 2020 r.)

Przewidywanie i zapobieganie wypadkom drogowym może utorować drogę do bezpieczniejszych i wydajniejszych dróg
Praca w kierunku świata bez wypadków – lub ruchu.

Każdego roku w Stanach Zjednoczonych liczba wypadków samochodowych wynosi miliony , więc nawet najmniejsza redukcja może pomóc zaoszczędzić tysiące życia. Dlatego wiele miast przyjęło Wizję Zero , inicjatywę zmierzającą do osiągnięcia zerowej liczby ofiar śmiertelnych i poważnych obrażeń na drogach.

„To kiedyś uważano to za radykalne pojęcie ”- mówi Dan Flynn, analityk danych w Volpe Center , centrum badawczym w Departament Transportu Stanów Zjednoczonych (USDOT) koncentruje się na innowacjach w transporcie, od logistyki po planowanie długoterminowe. „Teraz wiele miast kupiło to.”

Stawka jest boleśnie jasna. Cel jest ustalony. Jedyne pytanie brzmi: jak zatrzymać awarie?

Szybki kurs na temat zapobiegania awariom

Aby zapobiec awariom, urzędnicy mają w swoim zestawie narzędzi cztery główne narzędzia. Pierwsza to interwencja behawioralna – na przykład zapobieganie nietrzeźwej lub lekkomyślnej jeździe. Druga to technologia pojazdów, która może oznaczać wyposażenie większej liczby samochodów w innowacje, takie jak automatyczne hamowanie.

Ostatnie dwie dotyczą ulepszania dróg i wyznaczania organów ścigania do monitorowania obszarów wysokiego ryzyka. Aby zająć się tymi obszarami, urzędnicy muszą wiedzieć, gdzie i kiedy prawdopodobne jest wystąpienie wypadków. Innymi słowy, potrzebujesz możliwości przewidywania.

Przewidywanie awarii = zapobieganie awariom

Słowo „przewidywanie” może przywołać obrazy, od kryształowych kul po film z 2002 roku „Raport mniejszości”. W rzeczywistości to nie moce psychiczne umożliwiają tę pracę, ale duże, dokładne i zróżnicowane zbiory danych, a także uczenie maszynowe i moc obliczeniowa dużej skali do ich analizy.

Centrum Volpe współpracowało z innymi USDOT badacze od lat zajmują się modelami bezpieczeństwa na drogach, ale w 2017 roku dodali do tego nowy składnik: anonimowe dane pochodzące z Waze. Współpraca jest możliwa dzięki naszemu programowi Waze for Cities , bezpłatnemu partnerstwu w zakresie dwukierunkowego udostępniania danych, które jest obsługiwane przez USDOT i jego Safety Data Initiative .

Dane Waze for Cities obejmują kolizje, zagrożenia, korki i zamknięcia dróg zgłaszane codziennie przez społeczność Waze. Jest odświeżany w USDOT Secure Data Commons co dwie minuty. Jest to oczywiście trochę szybsze niż wprowadzanie danych zgłoszonych przez policję, które w najlepszym przypadku są aktualizowane co 24 godziny.

Połączenie danych wejściowych Waze z danymi już posiadanymi przez USDOT, takimi jak historyczne awarie i wzorce pogodowe, pomaga w wypadku prognozy są dużo dokładniejsze.

Programy pilotażowe w świecie rzeczywistym

Budynek model to tylko pierwszy krok. Drugim jest znalezienie agencji publicznych, które mogą na tym skorzystać, co jest trochę złowrogą sytuacją: niektóre mają już własną zaawansowaną analitykę danych, a inne nie mają infrastruktury technicznej do ich obsługi.

Więc kiedy USDOT połączył siły z Tennessee Highway Patrol, było to idealne dopasowanie. Jak wyjaśnia Flynn: „Możemy przeprowadzić całkiem interesujące analizy predykcyjne na tych miliardach rekordów danych Waze, ale przekształcenie tego w coś, co można zaimplementować, jest ciągłym wyzwaniem, a w Tennessee są gotowi. Już robią własne analizy predykcyjne ”. W rzeczywistości używają analizy predykcyjnej od 2014 r. .

W Tennessee model pomaga określić, gdzie i kiedy żołnierze stanowi powinni stacjonować. Dodanie danych Waze do predykcyjnego modelu awarii doprowadziło do pewnych obiecujących nowych spostrzeżeń.

Dane Waze pomagają skrócić zasięg przewidywań wypadków
Niezupełnie kryształowa kula, ale zbliżamy się do spojrzenia w przyszłość.

Wcześniej Tennessee Highway Patrol był w stanie przewidzieć wypadki na obszarze 42 mil kwadratowych w ciągu czterech godzin. Teraz jest do jednej mili kwadratowej i jednej godziny . Zasadniczo jest to różnica między przeszukiwaniem całego domu w poszukiwaniu kluczy a przeszukiwaniem tylko stołu kuchennego.Oznacza to, że żołnierze będą mieli znacznie dokładniejszy obraz tego, gdzie poświęcić swój czas, aby mieć największy wpływ na bezpieczeństwo.

A Tennessee nie jest jedynym miejscem pilotującym tę inicjatywę. W Bellevue, Waszyngton , zespół Volpe opracował modele, aby pomóc władzom miejskim w planowaniu napraw dróg w celu wsparcia ich programu Vision Zero.

Wcześniej jedynymi danymi o wypadkach dostępnych w mieście były wypadki zgłaszane przez policję, które często są poważniejszymi wypadkami, ale dzięki danym Waze otrzymują wszystkie dane o wypadkach, w tym o drobnych zderzakach, które nie są często zgłaszane policji . Jak wyjaśnia Flynn, jest to potężna kombinacja: „Widzimy link, który, gdy masz dużą liczbę raportów o awariach Waze, może wskazywać na wypadek, który policja zgłosi później.”

Volpe Pulpit nawigacyjny Centrum pomaga urzędnikom Bellevue określić, które drogi i korytarze są najbardziej niebezpieczne dla kierowców. W ten sposób mogą nadać priorytet ulepszeniom dróg, które pomogą ratować życie.

Poszukiwanie bezpieczniejszych dróg dla wszystkich

Chociaż jest to nadal program pilotażowy, USDOT ma nadzieję, że w przyszłości rozszerzy Waze for Cities. W międzyczasie USDOT eksperymentuje ze sposobami ulepszania modeli poprzez dodawanie jeszcze większej liczby źródeł danych. Ponieważ po naszych drogach jeżdżą nie tylko samochody, to także rowerzyści, skutery i piesi. Dzięki większej ilości danych mogą lepiej zrozumieć, jak zapewnić wszystkim podróżnym bezpieczeństwo.

Przewidywanie wypadków nie jest już dziedziną science fiction, a inicjatywy takie jak ta pomagają nam zbliżyć się do świata, w którym występują poważne wypadki należą do przeszłości.

Dodaj komentarz

Twój adres email nie zostanie opublikowany. Pola, których wypełnienie jest wymagane, są oznaczone symbolem *