مسیرهای ارتباطی در شهرها و جادهها روز به روز پیچیدهتر و شلوغتر میشوند. هرچند فناوریهایی نظیر موقعیتیابهای دیجیتال، بینایی ماشین و نرمافزارهای همراه کمک زیادی به مسیریابی میکنند اما هنوز رانندگان بیشتر به علایم ترافیکی و چراغهای راهنمایی متکی هستند. محققان آزمایشگاه علوم کامپیوتر و هوش مصنوعی دانشگاه اِمآیتی با همکاری مرکز هوش مصنوعی قطر، مدل یادگیری ماشین را توسعه دادهاند که نقشههای پیشبینی تصادف دقیقی را عرضه میکند. این سامانه هوشمند با دادههایی نظیر سوابق تصادفات، نقشههای جاده، تصاویر ماهوارهای و ردیابیهای جیپیاِس تغذیه میشود و قادر است مناطق پرخطر و تصادفات احتمالی را پیشبینی کند.
در حالت معمول نقشههای خطرپذیری ترافیکی، تفکیکپذیری پایینی داشته و دقتی در حد چند صد متر دارند. نقشههای جدید مشخص کردهاند که بهعنوان مثال، خطر تصادف در بزرگراهها بیشتر از جادههای نزدیک مناطق مسکونی است یا خطر تصادف در ورودیها و خروجیهای بزرگراه، بیش از سایر مسیرها است. رویکرد فوق به شرکتهای بیمه خودرو کمک میکند تا براساس مسیرهایی که مشتریانشان طی میکنند قراردادهای بیمهای را تنظیم نمایند. علاوه بر این برنامهریزان شهری هم میتوانند از این پیشبینیها برای طراحی ایمن مسیرها استفاده کنند.
محققان موفق شدهاند با کمک یادگیری ماشین، نقشههای پیشبینی تصادفات رانندگی با تفکیکپذیری بالا ارایه کنند.
به گفته امین صادقی، محقق ارشد انستیتوی تحقیقات رایانش قطر و یکی از اعضای این گروه تحقیقاتی: «این یک گام به سوی دستیابی به هوش مصنوعی جامع محسوب میشود. زیرا مدل ما قادر به پیشبینی نقشههای تصادف در مناطقی است که برایش ناشناخته است. محمد علیزاده، استاد مهندسی برق و علوم کامپیوتر دانشگاه اِمآیتی نیز در این پروژه همکاری داشته است.