深度学习技术预测道路交通事故
根据研究，通过将历史事故数据、道路地图、卫星图像和 GPS 与机器学习模型相结合，我们可以比以往任何时候都更安全的道路。 多年来，技术有了很大的发展。 GPS 系统消除了记忆街道、摄像头和传感器的需要，这些传感器可以提醒我们车辆附近的物体，甚至是自动驾驶电动汽车。 我们在驾驶时采取的预防措施基本上没有改变。 大多数时候，我们依靠路标、信任和希望到达目的地。
麻省理工学院计算机科学和人工智能实验室的研究人员与卡塔尔人工智能中心合作，开发了一种深度学习模型来预测事故风险的高分辨率地图。 该模型使用过去事故、道路地图和 GPS 轨迹的数据来预测未来一段时间内的事故数量。 该地图可以识别高风险区域和未来的事故。
据 homelandsecuritynewswire.com 报道，迄今为止，此类地图的分辨率要低得多，导致重要信息丢失。 之前的尝试主要依赖于历史崩溃数据。 然而，研究团队通过分析包括交通密度数据在内的 GPS 信号数据，收集了大量信息并确定了高风险区域。 速度、方向以及提供道路结构数据的卫星图像。 研究人员发现，高速公路比附近的住宅区道路更危险，高速公路的十字路口和出口更危险。
来源和详细信息：
https://i-hls.com/archives/114127