Caractéristiques routières qui prédisent les sites d'accidents identifiés dans un nouveau modèle d'apprentissage automatique


Des problèmes tels que des changements brusques des limites de vitesse et un marquage incomplet des voies comptent parmi les facteurs les plus influents qui peuvent prédire les accidents de la route, selon une nouvelle recherche menée par des ingénieurs de l'Université du Massachusetts à Amherst. L’étude a ensuite utilisé l’apprentissage automatique pour prédire quelles routes pourraient être les plus dangereuses en fonction de ces caractéristiques.

Publié dans la revue Dossier de recherche sur les transports, l'étude était une collaboration entre les ingénieurs civils et environnementaux de l'UMass Amherst Jimi Oke, professeur adjoint ; Eleni Christofa, professeure associée ; et Simos Gerasimidis, professeur agrégé ; et des ingénieurs civils d'Egnatia Odos, une société d'ingénierie publique en Grèce.

Les caractéristiques les plus influentes comprenaient des problèmes de conception de la route (tels que des changements de limites de vitesse trop brusques ou des problèmes de garde-corps), des dommages à la chaussée (fissures qui s'étendent sur la route et fissures palmées appelées fissures « alligator ») et une signalisation et un marquage routier incomplets. .

Pour identifier ces caractéristiques, les chercheurs ont utilisé un ensemble de données de 9 300 miles de routes réparties sur 7 000 sites en Grèce. « Egnatia Odos disposait des données réelles de toutes les autoroutes du pays, ce qui est très difficile à trouver », explique Gerasimidis.

Oke, qui, avec Christofa, est également membre du corps professoral du UMass Transportation Center, soupçonne que les découvertes pourraient s'étendre bien au-delà des frontières grecques.

« Le problème lui-même s'applique à l'échelle mondiale, pas seulement à la Grèce, mais aussi aux États-Unis », dit-il. Les différences dans la conception des routes peuvent influencer le classement des variables, mais étant donné la nature intuitive des caractéristiques, il soupçonne que les caractéristiques elles-mêmes seraient importantes quel que soit leur emplacement. « Les indicateurs eux-mêmes sont des types d'observations universels, il n'y a donc aucune raison de croire qu'ils ne seraient pas généralisables aux États-Unis. » Il note également que cette approche peut également être facilement déployée sur de nouvelles données provenant d’autres emplacements.

Surtout, il met à profit des décennies de données routières : « Nous disposons de toutes ces mesures que nous pouvons utiliser pour prédire le risque d'accident sur nos routes et c'est un grand pas en avant vers l'amélioration des résultats en matière de sécurité pour tous », dit-il.

Il existe de nombreuses applications futures pour ce travail. Pour commencer, cela aidera les recherches futures à se concentrer sur les caractéristiques importantes à étudier. « Nous avions une soixantaine d'indicateurs. Mais maintenant, nous pouvons vraiment concentrer notre argent sur ceux dont nous avons besoin », explique Oke. « On pourrait creuser plus profondément pour comprendre comment une certaine fonctionnalité pourrait en fait contribuer aux plantages », puis mesurer pour voir si la résolution du problème réduirait activement le nombre d'incidents qui se produisent.

Il envisage également comment cela pourrait être utilisé pour former l’IA à la surveillance de l’état des routes en temps réel. « Vous pourriez former des modèles capables d'identifier ces caractéristiques à partir d'images, puis prédire le risque d'accident comme première étape vers un système de surveillance automatisé, et également fournir des recommandations sur ce que nous devrions corriger », dit-il.

Gerasimidis ajoute qu’il s’agit d’une application passionnante et réelle de l’IA. « Il s'agit d'une grande initiative que nous menons ici et qui a des résultats techniques spécifiques », dit-il. « Le but était de réaliser cette étude sur l'IA et de la mettre à niveau. [Greek] les responsables disent « regardez ce que nous pouvons faire ». Il est très difficile d’utiliser l’IA et d’obtenir des résultats spécifiques qui pourraient être mis en œuvre, et je pense que cette étude en fait partie. Il appartient désormais aux autorités grecques d’utiliser ces nouveaux outils pour atténuer l’énorme problème des décès dans les accidents de voiture. Nous sommes très impatients de voir nos résultats conduire à améliorer ce problème.

« Ces travaux pourraient servir de feuille de route pour de futures collaborations entre universitaires et ingénieurs sur d'autres sujets », ajoute-t-il. « Les outils mathématiques et les données réelles constituent une combinaison vraiment puissante pour examiner les problèmes de société. »

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *

*