Pesquisadores do Laboratório de Ciência da Computação e Inteligência Artificial do MIT, nos EUA, e do Centro de Inteligência Artificial do Qatar, desenvolveram um modelo de aprendizado profundo capaz de prever acidentes de trânsito antes que eles aconteçam com base em situações ocorridas no passado.
O sistema é treinado com dados históricos de acidentes, mapas de estradas, imagens geradas por satélite e rastreamentos antigos de GPS. Com essas informações, é possível antecipar o número esperado de acidentes para um determinado local, identificando áreas de alto risco.
“Ao capturar a distribuição do risco que determina a probabilidade de futuras colisões, podemos encontrar rotas mais seguras, permitindo que seguradoras de automóveis forneçam planos personalizados com base nos trajetos usados pelos clientes ou ajudar no planejamento das cidades”, explica o doutorando em engenharia Songtao He, autor principal do estudo.
Alta resolução
Os mapas de risco utilizados atualmente, são produzidos com imagens em baixa resolução captadas com centenas de metros de distância umas das outras. Esse sistema de captura encobre detalhes importantes para uma análise mais precisa, já que as estradas aparecem juntas e completamente borradas.
Nesta nova abordagem, os cientistas usam células de grade de 5 x 5 metros que garantem imagens com uma resolução muito maior. Com isso, eles descobriram que as rodovias têm um risco mais alto de acidentes do que as estradas vicinais e que as rampas de acesso são mais propensas às colisões.
“Nós usamos uma rede mais ampla para capturar dados críticos, identificando locais de alto risco com padrões de trajetória por GPS, que fornecem informações sobre densidade, velocidade e direção do tráfego. Além disso, utilizamos imagens de satélite que descrevem estruturas rodoviárias, como o número de pistas, se há acostamento ou um grande número de pedestres”, acrescenta He.
Histórico de acidentes
Para avaliar a eficácia do modelo de aprendizado profundo, os pesquisadores usaram dados de acidentes computados em 2017 e 2018, e testaram seu desempenho na previsão de ocorrências em 2019 e 2020. Mesmo sem um histórico completo de acidentes desses locais, foi possível determinar quais áreas tinham mais risco de novas colisões.
As informações foram obtidas em uma região com 7.500 quilômetros quadrados entre as cidades de Los Angeles, Nova York, Chicago e Boston. Entre essas quatro metrópoles, Los Angeles foi considerada a mais insegura com uma densidade de acidentes muito maior em suas principais rodovias.
“Nosso modelo pode generalizar de uma cidade para outra, combinando várias fontes de dados aparentemente não relacionados. Este é um passo em direção à inteligência artificial para prever acidentes em territórios desconhecidos. Se as pessoas puderem usar um mapa para identificar estradas de alto risco, elas podem agir com antecedência e reduzir a chance de acidentes”, encerra Songtao He.
Fonte: Canaltech
