Sürət həddində kəskin dəyişikliklər və natamam zolaq işarələri kimi problemlər yol qəzalarını proqnozlaşdıra bilən ən təsirli amillərdəndir, Massaçusets Universitetinin Amherst mühəndisləri tərəfindən aparılan yeni araşdırmalar tapıb. Tədqiqat daha sonra bu xüsusiyyətlərə əsasən hansı yolların ən təhlükəli ola biləcəyini proqnozlaşdırmaq üçün maşın öyrənməsindən istifadə etdi.

Nəqliyyat Araşdırma Rekord jurnalında nəşr olunan tədqiqat UMass Amherst mülki və ətraf mühit mühəndisləri Jimi Oke, dosent arasında əməkdaşlıq idi; Eleni Christofa, dosent; və Simos Gerasimidis, dosent; və Yunanıstanda dövlətə məxsus mühəndislik firması olan Egnatia Odos-dan inşaat mühəndisləri .

Ən təsirli xüsusiyyətlərə yol dizaynı problemləri (məsələn, sürət həddində çox kəskin dəyişikliklər və ya qoruyucu barmaqlıqlar), səkilərin zədələnməsi (yol boyu uzanan çatlar və “timsah” çatlaması kimi adlandırılan pərçimli çatlar) və natamam lövhə və yol daxildir. işarələr.

Tədqiqatçılar bu xüsusiyyətləri müəyyən etmək üçün Yunanıstanın 7000 yerindən 9300 mil uzunluğunda yollar toplusundan istifadə ediblər. Gerasimidis deyir: “Egnatia Odos, ölkənin hər bir magistral yolundan real məlumatlara sahib idi, onu tapmaq çox çətindir”.

Kristofa ilə birlikdə UMass Nəqliyyat Mərkəzinin müəllimi olan Oke, tapıntıların Yunanıstan sərhədlərindən xeyli kənara çıxa biləcəyindən şübhələnir.

“Problemin özü qlobal miqyasda tətbiq oluna bilər – təkcə Yunanıstana deyil, Birləşmiş Ştatlara da aiddir”, o deyir. Yol dizaynındakı fərqlər dəyişənlərin sıralanmasına təsir edə bilər, lakin xüsusiyyətlərin intuitiv xarakterini nəzərə alaraq, o, yerdən asılı olmayaraq xüsusiyyətlərin özlərinin vacib olacağından şübhələnir.

https://googleads.g.doubleclick.net/pagead/ads?client=ca-pub-0536483524803400&output=html&h=135&slotname=2793866484&adk=675901022&adf=1873531024&pi=t.ma~as.2793866484&w=540&fwrn=4&lmt=1711520237&rafmt=11&format=540×135&url=https%3A%2F%2Ftechxplore.com%2Fnews%2F2024-02-road-features-sites-machine.html&wgl=1&uach=WyJXaW5kb3dzIiwiMTUuMC4wIiwieDg2IiwiIiwiMTIyLjAuNjI2MS4xMjkiLG51bGwsMCxudWxsLCI2NCIsW1siQ2hyb21pdW0iLCIxMjIuMC42MjYxLjEyOSJdLFsiTm90KEE6QnJhbmQiLCIyNC4wLjAuMCJdLFsiR29vZ2xlIENocm9tZSIsIjEyMi4wLjYyNjEuMTI5Il1dLDBd&dt=1711520235924&bpp=2&bdt=2310&idt=1906&shv=r20240321&mjsv=m202403190101&ptt=9&saldr=aa&abxe=1&cookie=ID%3Dd8c6cdc5123375cd%3AT%3D1709623025%3ART%3D1711224604%3AS%3DALNI_MY2ynj5TDpMXqOZBx7W90OihbbXuw&gpic=UID%3D00000d6971a748b6%3AT%3D1709623025%3ART%3D1711224604%3AS%3DALNI_MaTILJ6PYHOKRZlSvHcKJ4LkDsnLQ&eo_id_str=ID%3D34d5e14efb6a7c5d%3AT%3D1709623025%3ART%3D1711224604%3AS%3DAA-Afjbw5XrDrmZOIEp3UV8fgvCO&prev_fmts=0x0&nras=1&correlator=2275283500019&frm=20&pv=1&ga_vid=1833901760.1709623018&ga_sid=1711520237&ga_hid=1330049362&ga_fc=1&rplot=4&u_tz=240&u_his=1&u_h=864&u_w=1536&u_ah=816&u_aw=1536&u_cd=24&u_sd=1.25&dmc=8&adx=395&ady=1791&biw=1519&bih=695&scr_x=0&scr_y=0&eid=44759876%2C44759927%2C44759842%2C31081575%2C31082033%2C44795921%2C95320376%2C95328825%2C21065724%2C31078663%2C31078665%2C31078668%2C31078670&oid=2&pvsid=2947023642216760&tmod=1643182379&uas=3&nvt=3&ref=https%3A%2F%2Ftechxplore.com%2Fpage7.html&fc=1920&brdim=0%2C0%2C0%2C0%2C1536%2C0%2C1536%2C816%2C1536%2C695&vis=1&rsz=%7C%7CpeEbr%7C&abl=CS&pfx=0&fu=128&bc=31&bz=1&td=1&psd=W251bGwsbnVsbCwibGFiZWxfb25seV8xIiwxXQ..&nt=1&ifi=2&uci=a!2&btvi=1&fsb=1&dtd=1911

“Göstəricilərin özləri universal müşahidə növləridir, ona görə də onların ABŞ üçün ümumiləşdirilə bilməyəcəyinə inanmaq üçün heç bir səbəb yoxdur.” O, həmçinin qeyd edir ki, bu yanaşma digər yerlərdən gələn yeni məlumatlarda da asanlıqla tətbiq oluna bilər.

Əhəmiyyətli olan odur ki, o, onilliklər boyu yol məlumatlarından yaxşı istifadə edir: “Bizim yollarımızda qəza riskini proqnozlaşdırmaq üçün istifadə edə biləcəyimiz bütün bu tədbirlər var və bu, hər kəs üçün təhlükəsizlik nəticələrinin yaxşılaşdırılmasında böyük addımdır” deyir.

Bu iş üçün çoxlu gələcək proqramlar var. Başlayanlar üçün bu, gələcək tədqiqatların öyrənilməsi üçün vacib xüsusiyyətlərin öyrənilməsinə kömək edəcəkdir. Oke deyir: “Bizim 60-a yaxın qeyri-adi göstəricimiz var idi. Amma indi biz pulumuzu həqiqətən ehtiyacımız olanları tutmağa yönəldə bilərik”. “Müəyyən bir xüsusiyyətin həqiqətən qəzalara necə kömək edə biləcəyini başa düşmək üçün daha dərindən araşdırmaq olar” və sonra problemi həll etməyin baş verən hadisələrin sayını aktiv şəkildə azaldıb-azalmayacağını ölçmək olar.

O, həmçinin bunun real vaxt rejimində yol vəziyyətinin monitorinqi üçün AI hazırlamaq üçün necə istifadə olunacağını nəzərdə tutur. “Siz şəkillərdən bu xüsusiyyətləri müəyyən edə bilən modelləri öyrədə və sonra avtomatlaşdırılmış monitorinq sisteminə doğru ilk addım olaraq qəza riskini proqnozlaşdıra və həmçinin nəyi düzəltməli olduğumuza dair tövsiyələr verə bilərsiniz” dedi.

Gerasimidis əlavə edir ki, bu, AI-nin maraqlı, real dünya tətbiqidir. “Bu, bizim burada etdiyimiz böyük bir təşəbbüsdür və bunun xüsusi mühəndislik nəticələri var” deyir.

“Məqsəd bu süni intellektlə bağlı araşdırma aparmaq və bunu [Yunan] məmurlarına “görün, nə edə bilərik” demələri üçün çatdırmaq idi. Süni intellektdən istifadə etmək və həyata keçirilə biləcək konkret nəticələrə gəlmək çox çətindir və məncə, bu araşdırma onlardan biridir.Yunan rəsmiləri avtomobil qəzalarında ölənlərin böyük problemini yüngülləşdirmək üçün bu yeni vasitələrdən istifadə etməlidirlər. Biz tapıntılarımızın bu problemin yaxşılaşmasına səbəb olduğunu görmək üçün çox səbirsizlənirik.”

“Bu iş digər mövzular üzrə akademiklər və mühəndislər arasında gələcək əməkdaşlıq üçün yol xəritəsi rolunu oynaya bilər” deyə əlavə edir. “Riyazi alətlər real məlumatlarla birlikdə sosial problemlərə baxarkən həqiqətən güclü birləşmədən ibarətdir.”

Daha çox məlumat: Dimitrios Sarigiannis və digərləri, Yol göstəricilərindən istifadə edərək yüksək qəza riski olan yerlərin proqnozlaşdırılması üçün xüsusiyyət mühəndisliyi və qərar ağacları, Nəqliyyat Tədqiqat Qeydləri: Nəqliyyat Araşdırma Şurasının jurnalı (2024). DOI: 10.1177/03611981231217497Massachusetts Amherst Universiteti tərəfindən təmin edilmişdir