, яка створює карти ризику аварій з дуже високою роздільною здатністю.){kind=link}
Thế giới ngày nay là một mê cung lớn được nối với nhau bằng những lớp bê tông nhựa cho phép chúng ta di chuyển bằng ô tô. Đối với hầu hết các tiến bộ liên quan đến giao thông của chúng ta - GPS cho phép chúng ta sử dụng ít tế bào thần kinh hơn nhờ các ứng dụng lập bản đồ, camera cảnh báo chúng ta về những vết trầy xước có thể xảy ra đắt đỏ và ô tô điện tự lái có mức tiêu thụ nhiên liệu thấp hơn - còn các biện pháp an toàn thì sao? Chúng tôi vẫn thường xuyên dựa vào đèn giao thông, sự tin tưởng và sắt thép xung quanh mình để đi từ điểm A đến điểm B một cách an toàn.
Để tránh sự bất trắc liên quan đến tai nạn, các nhà khoa học từ Phòng thí nghiệm Khoa học Máy tính và Trí tuệ Nhân tạo (CSAIL) của MIT và Trung tâm Trí tuệ Nhân tạo Qatar (QCAI) đã phát triển một mô hình học sâu tạo ra các bản đồ rủi ro tai nạn có độ phân giải rất cao. Dựa trên sự kết hợp của dữ liệu tai nạn lịch sử, bản đồ đường đi, hình ảnh vệ tinh và đường đi GPS, bản đồ rủi ro mô tả số vụ tai nạn dự kiến trong một khoảng thời gian trong tương lai để xác định các khu vực có nguy cơ cao và dự đoán các vụ tai nạn trong tương lai.
Thông thường, các bản đồ rủi ro kiểu này được ghi lại ở độ phân giải thấp hơn nhiều, trong phạm vi hàng trăm mét, có nghĩa là không thể nhìn thấy các chi tiết quan trọng. Tuy nhiên, những bản đồ này có các ô lưới dài x mét và độ phân giải cao hơn mang lại độ rõ nét mới: Các nhà khoa học đã phát hiện ra rằng, ví dụ, đường cao tốc có rủi ro cao hơn đường dân sinh gần đó.
Tai nạn xe hơi tuy không phổ biến nhưng gây thiệt hại khoảng 3% GDP toàn cầu và là nguyên nhân hàng đầu gây tử vong cho trẻ em và thanh niên. Sự thưa thớt này khiến việc tạo ra những bản đồ có độ phân giải cao như vậy trở thành một nhiệm vụ đầy thách thức. Nhưng cách tiếp cận của nhóm đã mở rộng mạng lưới để thu thập dữ liệu cần thiết. Nó xác định các vị trí có nguy cơ cao bằng cách sử dụng các mẫu quỹ đạo GPS cung cấp thông tin về mật độ, tốc độ và hướng lưu thông, cũng như các hình ảnh vệ tinh mô tả cấu trúc đường như số làn xe, sự hiện diện của vai hoặc số lượng người đi bộ. Sau đó, ngay cả khi một khu vực rủi ro cao không có sự cố, nó vẫn có thể được xác định là khu vực có nguy cơ cao chỉ dựa trên các mô hình giao thông và cấu trúc liên kết.
“Mô hình của chúng tôi có thể được khái quát hóa từ thành phố này sang thành phố khác bằng cách kết hợp nhiều manh mối từ các nguồn dữ liệu dường như không liên quan. Đây là một bước tiến tới trí tuệ nhân tạo hợp tác vì mô hình của chúng tôi có thể dự đoán bản đồ tai nạn ở những vùng lãnh thổ chưa được khám phá ", Amin Sadeghi, trưởng nhóm nghiên cứu tại Viện Nghiên cứu Máy tính Qatar (QCRI) và là tác giả của bài báo cho biết.
Tập dữ liệu đã thử nghiệm bao phủ 7 sq. km từ Los Angeles, New York, Chicago và Boston. Trong 500 thành phố, Los Angeles nguy hiểm nhất do mật độ tai nạn cao nhất, tiếp theo là New York, Chicago và Boston.
“Nếu mọi người có thể sử dụng bản đồ rủi ro để xác định các khu vực tiềm ẩn nguy cơ cao trên đường, họ có thể thực hiện các bước trước để giảm rủi ro trong hành trình mà họ thực hiện. Trong các ứng dụng như Waze và Apple Bản đồ, có những công cụ để xử lý các sự cố, nhưng chúng tôi cố gắng lường trước các sự cố - trước khi chúng xảy ra, "- họ nói các nhà khoa học
Đọc thêm:
- Video: Đánh giá Queclink GL300 - GPS Tracker hoạt động như thế nào?
- GPS là gì: Các loại hệ thống định vị, cách thức hoạt động và tương lai sẽ ra sao