Inteligência artificial ajudará a prever acidentes rodoviários antes que eles ocorram

O mundo de hoje é um grande labirinto conectado por camadas de concreto asfáltico que nos permitem viajar de carro. Quanto à maioria dos nossos avanços relacionados ao trânsito – o GPS nos permite usar menos neurônios graças aos aplicativos de mapeamento, as câmeras nos alertam sobre arranhões potencialmente caros e os carros autônomos elétricos têm menor consumo de combustível – e as medidas de segurança? Ainda contamos com nossa constante dependência de semáforos, confiança e aço ao nosso redor para ir do ponto A ao ponto B com segurança.

Para evitar a incerteza associada a acidentes, cientistas do Laboratório de Ciência da Computação e Inteligência Artificial do MIT (CSAIL) e do Qatar Center for Artificial Intelligence (QCAI) desenvolveram um modelo de aprendizado profundo que cria mapas de risco de acidentes de alta resolução. Com base em uma combinação de dados históricos de colisões, mapas de estradas, imagens de satélite e trilhas de GPS, os mapas de risco descrevem o número esperado de colisões durante um período de tempo no futuro para identificar áreas de alto risco e prever colisões futuras.

Normalmente, mapas de risco desse tipo são registrados em uma resolução muito menor, variando em centenas de metros, o que significa que detalhes importantes não podem ser vistos. Esses mapas, no entanto, têm células de grade de cinco por cinco metros, e a resolução mais alta fornece clareza recém-descoberta: os cientistas descobriram que, por exemplo, uma rodovia tem um risco maior do que as estradas residenciais próximas.

Embora os acidentes de carro não sejam muito comuns, eles custam cerca de 3% do PIB global e são a principal causa de morte de crianças e jovens. Essa escassez torna a criação desses mapas de alta resolução uma tarefa desafiadora. Mas a abordagem da equipe amplia a rede para coletar os dados necessários. Ele identifica locais de alto risco usando padrões de trajetória de GPS que fornecem informações sobre densidade, velocidade e direção do tráfego, bem como imagens de satélite que descrevem estruturas rodoviárias, como o número de faixas de tráfego, a presença de acostamentos ou o número de pedestres. Então, mesmo que uma área de alto risco não tenha falhas, ela ainda pode ser identificada como uma área de alto risco com base apenas nos padrões de tráfego e na topologia.

"Nosso modelo pode ser generalizado de uma cidade para outra, combinando várias pistas de fontes de dados aparentemente não relacionadas. Este é um passo em direção à inteligência artificial colaborativa porque nosso modelo pode prever mapas de acidentes em territórios desconhecidos”, diz Amin Sadeghi, pesquisador principal do Qatar Computing Research Institute (QCRI) e autor do artigo.

O conjunto de dados testado cobriu 7 sq. km de Los Angeles, Nova York, Chicago e Boston. Entre as quatro cidades, Los Angeles foi a mais perigosa devido à maior densidade de acidentes, seguida por Nova York, Chicago e Boston.

“Se as pessoas podem usar um mapa de risco para identificar áreas potencialmente de alto risco da estrada, elas podem tomar medidas com antecedência para reduzir o risco das viagens que fazem. Em aplicativos como Waze e Apple Mapas, existem ferramentas para trabalhar com incidentes, mas tentamos antecipar falhas - antes que elas aconteçam", - eles dizem cientistas

Leia também:

• Vídeo: Revisão do Queclink GL300 - Como funciona o GPS Tracker?
• O que é GPS: Tipos de sistemas de posicionamento, como funciona e o que o futuro reserva