پیش‌بینی محل حوادث رانندگی با هوش مصنوعی

دانشمندان آزمایشگاه علوم رایانه و هوش مصنوعی مؤسسه فناوری ماساچوست (MIT) و مرکز هوش مصنوعی قطر برای پیشگیری از تصادفات، هوش مصنوعی با توانایی یادگیری دیجیتال طراحی کردند.

به گزارش خبرگزاری علم و فناوری استان بوشهر؛ جاده‌های دنیای امروز پیچ‌وخم‌های گوناگونی هستند که با لایه‌هایی از بتن و آسفالت به هم متصل شده و هدایت وسایل نقلیه را به ما می‌دهند. با ورود به قرن دیجیتال و ظهور فناوری‌های نوین، ساخت مسیر و ترابری زمینی نیز دستخوش تغییر و مدرنیته شده است.

توسعه فناوری‌های ماهواره‌ای مثل GPS و پیشرفت نقشه‌های دیجیتال به کمک کرد تا بدون نگرانی از گم‌کردن راه به دل جاده‌ها بزنیم. سنسورهای حرکتی خطرات بالقوه سایر اجسام متحرک در مسیر را هشدار می‌دهند. دوربین‌های هوشمند خط‌کشی‌های خیابان و علائم راهنمایی‌ورانندگی را بررسی کرده و در رانندگی ایمن به ما کمک می‌کنند.

 تکنولوژی پا را فراتر گذاشت و باعرضه خودروهای برقی و سوخت پاک، میزان آلایندگی‌های زیست‌محیطی را کاهش داد؛ سپس سیستم‌های خودران را ابداع کرد تا رانندگان دیجیتالی فرمان خودرو را به دست بگیرند.

اکنون با وجود حجم چشمگیری از ابداعات پیشرفته در عرصه رانندگی و خودرو، همچنان شاهد تصادفات سطحی و یا منجر به فوت هستیم. این حوادث نشان می‌دهد که اقدامات ایمنی محور ما هنوز نیازمند تکامل است. رانندگان همچنان به رژیم مصرفی از قوانین، علائم راهنمایی‌ورانندگی، فناوری‌های مرتبط با راندن خودرو و ایمنی مسیر نیاز دارند تا به سلامت از مبدأ حرکت خود به مقصد موردنظر برسند.

دانشمندان آزمایشگاه علوم رایانه و هوش مصنوعی مؤسسه فناوری ماساچوست (MIT) و مرکز هوش مصنوعی قطر برای پیشگیری از تصادفات، هوش مصنوعی با توانایی یادگیری دیجیتال طراحی کردند.

هوش مصنوعی می‌تواند معابر حادثه‌خیز با وضوح بسیار بالا را پیش‌بینی کند. نقشه‌های خطر با ترکیب داده‌های گوناگونی شامل تاریخچه تصادفات و تصاویر ماهواره‌ای GPS سه‌بعدی، وضعیت فیزیکی معابر را تحلیل می‌کند. این سامانه برای شناسایی دقیق‌تر مناطق پرخطر و پیش‌بینی تصادفات آینده گزارش نیز ارائه می‌دهد.

در حال حاضر نقشه‌های خطر با وضوح بسیار پایین‌تر و صدها متر خطا ارائه می‌شوند؛ بااین‌حال، نقشه‌های جدید هوش مصنوعی دارای سلول‌های شبکه‌ای 5 × 5 متر هستند و وضوح بالاتر را به ارمغان می‌آورد.

پژوهشگران دریافتند که برای مثال یک جاده بزرگراهی خطر بیش‌تری نسبت به جاده‌های مجاور مناطق مسکونی دارد و یا حتی تقاطع‌هایی که با ادغام چند خروجی از بزرگراه جدا می‌شوند نسبت به جاده‌های بزرگراهی خطرناک‌تر هستند.

محققان برای ارزیابی این هوش مصنوعی از اطلاعات سال‌های 2017 و 2018 استفاده کرده و عملکرد آن را در پیش‌بینی حوادث سال‌های 2019 و 2020 آزمایش کردند. در بسیاری از مکان‌ها باوجوداینکه هیچ تصادفی گزارش شده‌ای وجود نداشت، با ریسک بالا اعلام شده و در سال بعد شاهد تصادفاتی در محل مشخص شده بودند.

در این آزمایش مجموعه‌داده 7500 کیلومترمربع از شهرهای لس‌آنجلس، نیویورک، شیکاگو و بوستون را پوشش بررسی شد. نقشه‌های خروجی نشان داد در بین این چهار شهر، لس‌آنجلس به دلیل بیش‌ترین تراکم تصادف خطرناک‌ترین معابر را دارا بود؛ پس از آن شهرهای نیویورک، شیکاگو و بوستون قرار گرفتند.

 

سونگ تائوهی دانشجوی دکتری MIT و پژوهشگر اصلی این پروژه با اشاره بر اینکه جاده‌های ایمن و پیش‌بینی تصادفات آینده امکان‌پذیر است، گفت: بدون هیچ‌گونه اطلاعات تاریخی، فقط با درنظرگرفتن توزیع ریسک زمینه‌ای مسیر، احتمال تصادفات آینده را در همه مکان‌ها تعیین کنیم.

وی ادامه داد: ما می‌توانیم مسیرهای ایمن‌تری را بیابیم؛ شرکت‌های بیمه خودرو را قادر سازیم تا برنامه‌های بیمه سفارشی را بر اساس مسیر رانندگی مشتریان ارائه دهند و به مهندسان شهرسازی در طراحی کمک کنیم. اگرچه با پیشرفت فناوری تصادفات رانندگی منجر به فوت کاهش پیدا کرده، اما حدود 3 درصد از مرگ‌ومیر جهانی را شامل شده و یکی از علل اصلی مرگ کودکان و نوجوانان است.

نکته مهم در طراحی و ساخت نقشه‌های تصادف تحلیل دقیق وضعیت مسیر از همه جهات است، اما اکنون در خیلی از کشورهای دنیا این نقشه‌ها صرفاً با بررسی تاریخچه تصادفات ترسیم شده و با وقوع چند سانحه رانندگی در یک محل، آن را حادثه‌خیز تلقی می‌کنند.

رویکرد این تیم تحقیقاتی ایجاد شبکه گسترده‌تری برای ثبت داده‌های مهم مسیر است. با بهره‌گیری از الگوهای مسیر GPS، اطلاعات مربوط به تراکم مسیر، سرعت و جهت تردد، می‌توان تصاویر ماهواره‌ای با توصیف ساختارهای جاده ارائه داد؛ با این قابلیت معابر حادثه‌خیز به‌تنهایی بر اساس الگوهای ترافیکی و توپولوژی محل خطرناک شناخته شود.

این مدل می‌تواند با ترکیب چندین سرنخ از منابع داده به‌ظاهر غیرمرتبط، از شهری به شهر دیگر تعمیم داده شود. این پروژه گامی به‌سوی هوش مصنوعی عمومی است، زیرا می‌تواند نقشه‌های تصادف را در مناطق ناشناخته نیز پیش‌بینی کرده و به مبنای برنامه‌ریزی و سیاست‌گذاری در راه‌سازی تبدیل شود.

سونگ تائوهی در آخر افزود: اگر مردم بتوانند از نقشه خطر برای شناسایی بخش‌های پرمخاطره جاده‌ای استفاده کنند، می‌توانند از قبل پیشگیری کرده تا ضریب حوادث سفرهای خود را کاهش دهند. اپلیکیشن مانند Waze و Apple Maps دارای ابزارهای ویژه در ارائه گزارش حوادث هستند، اما ما در تلاش هستیم تا قبل از وقوع تصادف در یک محل، خطر بالقوه آن را گوشزد کنیم.

 

خبرنگار: محمد امین خلجی

انتهای پیام/

 

زمان انتشار: پنج شنبه ۲۹ مهر ۱۴۰۰ - ۰۷:۰۰:۰۰

شناسه خبر: 99180

مطالب مرتبط :
ث

۲ کشته و پنج مصدوم بر اثر تصادف پراید با کامیون جرثقیل

رئیس مرکز اورژانس استان لرستان در گفت وگو با خبرنگار علم و فناوری -لرستان از تصادف مرگبار دو دستگاه پراید با کامیون جرثقیل در محور شهرستان الیگودرز به شول آباد خبردادو گفت:این سانحه ۲ نفر کشته و پنج مصدوم بر جای گذاشت

چگونه از تصادف مرگبار نجات پیدا کنیم؟

چگونه از تصادف مرگبار نجات پیدا کنیم؟

دانشمندان تحقیقات جالبی درباره جلوگیری از آسیب دیدن انسان در حوادث رانندگی انجام داده اند.

همتی سراپرده

همتی؛ شاهکار تحقیقات نانو ذرات نفتی

از نگارش اولین کتاب هوش مصنوعی در صنعت نفت تا کسب عنوان برتر دانشمندان جوان در جهان

عبدالحسین همتی گفت: نانوتکنولوژی آینده مهندسی نفت را تغییر می‌دهد و می‌تواند به افزایش برداشت نفت از مخازن نفتی زیرزمینی کمک کند لذا مقالات و تحقیقات زیادی از نانو ذرات ابگریز تا اسفالتین ها را به صورت عملی به اجرا در آوردیم .

۱

این وسیله کوچک می تواند در هنگام تصادف جان شما را نجات دهد !

یکی از عواملی که در هنگام تصادف جان سرنشینان را به خطر می اندازد گیر افتادن افراد در خودرو به دلیل قفل شدن درب آن می باشد برای رفع این مشکل به تازگی وسیله ای کوچکی به نام "OWL Breaker" ساخته شده است که فرد بعد از تصادف با کوچکترین ضربه می تواند شیشه خودرو را شکسته و از آن خارج شود .

دیدگاه ها و نظرات :
نام کامل وارد شود
دقیق و صحیح وارد شود
لطفا فارسی و خوانا باشد
captcha
ارسال
اشتراک گذاری مطالب