Laboratório de tráfego: predição de um mundo sem acidentes de trânsito

Crowdsourced data e machine learning estão ajudando as cidades a resolver um grande ponto cego: prever – e prevenir – acidentes de trânsito.

(9 de novembro de 2020)

Prever e prevenir acidentes de trânsito pode abrir caminho para estradas mais seguras e eficientes
Trabalhando para um mundo sem acidentes – ou trânsito.

Nos EUA, número de acidentes de carro na casa dos milhões todos os anos, portanto, mesmo a menor redução pode ajudar a salvar milhares de vidas. É por isso que muitas cidades adotaram a Visão Zero , uma iniciativa que trabalha com o objetivo de atingir zero fatalidades e ferimentos graves nas estradas.

“É costumava ser considerada uma noção radical ”, diz Dan Flynn, cientista de dados do Volpe Center , um centro de pesquisa dentro do Departamento de Transporte dos Estados Unidos (USDOT) com foco em inovações em transporte, desde logística até planejamento de longo prazo. “Agora, muitas cidades aceitaram isso.”

As apostas são dolorosamente claras. O objetivo está definido. A única pergunta é: como você interrompe travamentos?

Um curso intensivo sobre prevenção de travamentos

Para evitar travamentos, os funcionários têm quatro ferramentas principais em sua caixa de ferramentas. A primeira é a intervenção comportamental – como prevenir a direção embriagada ou imprudente. O segundo é a tecnologia veicular, o que pode significar equipar mais carros com inovações como a frenagem automática.

Os dois últimos estão melhorando as estradas e dedicando a aplicação da lei ao monitoramento de áreas de alto risco. E para lidar com essas áreas, os funcionários precisam saber onde e quando os acidentes podem acontecer. Em outras palavras, você precisa do poder de previsão.

Previsão de falhas = prevenção de falhas

A palavra “previsão” pode evocar imagens que vão desde bolas de cristal ao filme “Relatório da Minoria” de 2002. Na realidade, não são poderes psíquicos que permitem esse trabalho, mas conjuntos de dados grandes, precisos e diversos, além do aprendizado de máquina e poder de computação em grande escala para analisá-los.

O Volpe Center trabalhou com outros USDOT pesquisadores por anos sobre modelos de segurança no trânsito, mas em 2017, eles adicionaram um novo ingrediente à mistura: dados anônimos e crowdsourced do Waze. A colaboração é graças ao nosso programa Waze for Cities , uma parceria bidirecional gratuita de compartilhamento de dados, que é apoiada pelo USDOT e seu Safety Data Initiative .

Os dados do Waze for Cities incluem colisões, perigos, congestionamentos e bloqueios de estradas relatados todos os dias pela comunidade do Waze. Ele é atualizado no USDOT Secure Data Commons a cada dois minutos. Obviamente, isso é um pouco mais rápido do que inserir dados informados pela polícia que, na melhor das hipóteses, são atualizados a cada 24 horas.

Combinar as entradas do Waze com os dados que o USDOT já possui, como acidentes históricos e padrões climáticos, está ajudando a causar acidentes previsão muito mais precisa.

Programas piloto do mundo real

Construindo um modelo é apenas o primeiro passo. A segunda é encontrar agências públicas que possam se beneficiar disso, o que é um pouco a situação da Cachinhos Dourados: alguns já têm sua própria análise de dados avançada e outros não têm a infraestrutura técnica para apoiá-los.

Então, quando o USDOT se juntou à Patrulha Rodoviária do Tennessee, foi um ajuste perfeito. Como Flynn explica, “Podemos fazer análises preditivas muito interessantes nesses bilhões de registros de dados do Waze, mas transformar isso em algo que pode ser implementado é um desafio contínuo, e com o Tennessee eles estão prontos. Eles já estão fazendo suas próprias análises preditivas. ” Na verdade, eles têm usado análises preditivas desde 2014 .

No Tennessee, o modelo está ajudando a identificar onde e quando as tropas estaduais devem ser estacionado. A adição de dados do Waze ao modelo preditivo de travamento levou a alguns novos insights promissores.

Os dados do Waze estão ajudando a reduzir o intervalo de previsões de acidentes
Não é bem uma bola de cristal, mas estamos chegando perto de ver o futuro.

Antes, o Tennessee A Patrulha Rodoviária foi capaz de prever acidentes em um intervalo de 42 milhas quadradas e em quatro horas. Agora, é até uma milha quadrada e uma hora . É basicamente a diferença entre procurar as chaves em toda a casa e procurar apenas na mesa da cozinha.Isso significa que os soldados terão uma imagem muito mais precisa de onde alocar seu tempo para ter o maior impacto na segurança.

E o Tennessee não é o único lugar que está testando essa iniciativa. Em Bellevue, Washington , a equipe de Volpe desenvolveu modelos para ajudar as autoridades municipais a planejar consertos em estradas em apoio ao programa Visão Zero.

Anteriormente, os únicos dados de acidentes disponíveis para a cidade eram acidentes relatados pela polícia, que costumam ser acidentes mais graves, mas com os dados do Waze eles obtêm todos os dados de acidentes, incluindo pequenos pára-lamas que não costumam ser relatados à polícia . Como Flynn explica, esta é uma combinação poderosa: “Vemos um link que quando você tem um grande número de relatórios de acidentes do Waze, isso pode ser indicativo de um acidente que pode ser reportado pela polícia mais tarde.”

O Volpe O painel do Center está ajudando os funcionários do Bellevue a identificar quais estradas e corredores são mais perigosos para os motoristas. Dessa forma, eles podem priorizar as melhorias nas estradas que ajudarão a salvar vidas.

Trabalhando em estradas mais seguras para todos

Embora este ainda seja um programa piloto, o USDOT espera lançar o Waze for Cities de forma mais ampla no futuro. Enquanto isso, o USDOT está experimentando maneiras de tornar os modelos melhores, adicionando ainda mais fontes de dados. Porque não são apenas carros viajando em nossas estradas, são ciclistas, scooters e pedestres também. Com mais dados, eles podem entender melhor como manter todos os viajantes seguros.

Prever acidentes não é mais o assunto da ficção científica e iniciativas como esta estão nos ajudando a nos aproximar de um mundo onde acidentes graves são coisas do passado.

Deixe uma resposta

O seu endereço de email não será publicado. Campos obrigatórios marcados com *