Deep Learning ช่วยคาดการณ์และป้องกันอุบัติเหตุบนท้องถนน

รู้หรือไม่ว่า อุบัติเหตุทางรถยนต์เกิดขึ้นโดยประมาณ 3% ของ GDP โลก และยังเป็นสาเหตุหลักของการเสียชีวิตในเด็กและคนหนุ่มสาว และอุบัติเหตุมักจะเกิดขึ้นซ้ำในจุดเดิม บ่อยถึง 2 ครั้งด้วยกัน 

นักวิทยาศาสตร์ห้องปฏิบัติการวิทยาศาสตร์คอมพิวเตอร์และปัญญาประดิษฐ์ของสถาบัน MIT และ Qatar Center for Artificial Intelligence (QCAI) จึงได้พัฒนาโมเดล Deep Learning ที่สามารถคาดการณ์อุบัติเหตุรถชนและระบุพื้นที่ที่มีความเสี่ยงสูงเพื่อรับมือกับปัญหาดังกล่าว จากแผนผังความเสี่ยงความละเอียดสูงที่พัฒนาขึ้นมา ซึ่งอิงข้อมูลจากอุบัติเหตุรถชนในอดีต แผนที่ถนน รูปภาพดาวเทียม และการติดตาม GPS 

^{Photo credit: MIT CSAIL}

เนื่องจากการแสดงผลของเส้นทางถนนที่ไม่ชัดเจนจึงทำให้แผนผังความเสี่ยงทั่วไปมักทำให้ข้อมูลบิดเบือน แผนผังความเสี่ยงที่มีความละเอียดสูงที่พัฒนาขึ้นมา จึงทำให้กลุ่มนักวิทยาศาสตร์เห็นภาพและข้อมูลที่ชัดเจนยิ่งขึ้น ตัวอย่างเช่น พวกเขาค้นพบว่า ทางด่วนมีความเสี่ยงต่อการเกิดอุบัติเหตุดังกล่าวมากกว่าถนนแถบที่มีผู้อยู่อาศัย อีกทั้งทางเชื่อมต่างระดับและถนนเส้นทางออกจากทางด่วนยังมีความเสี่ยงสูงกว่าเส้นทางอื่น ๆ อีกด้วย

โดยทางทีมวิจัยจะรวบรวมข้อมูลสำคัญที่เกี่ยวข้องต่าง ๆ โดยใช้ GPS ระบุพื้นที่เสี่ยง จากความหนาแน่น ความเร็ว และทิศทางการจราจร ใช้ภาพดาวเทียมสำหรับข้อมูลของโครงสร้างถนน เช่น จำนวนเลน ไหล่ถนน หรือทางเดินเท้า และบางพื้นที่ก็ถือเป็นพื้นที่เสี่ยง หากดูจากข้อมูลรูปแบบการจราจรและลักษณะกายภาพ ถึงแม้จะไม่เคยมีประวัติอุบัติเหตุรถชนก็ตาม ในปี 2019 และ 2020 นักวิจัยได้ทดสอบโมเดลนี้โดยใช้ข้อมูลการเกิดอุบัติเหตุรถชนของปี 2017 และ 2018 อีกทั้งยังมีการเกิดอุบัติเหตุบนพื้นที่ที่ระบุ แม้ว่าพื้นที่นั้น ๆ จะไม่มีประวัติการเกิดอุบัติเหตุก็ตาม 

ด้วยโมเดลนี้ Songtao He ผู้นำการวิจัยเชื่อว่า จะสามารถคาดการณ์อุบัติเหตุบนท้องถนนล่วงหน้าได้ ผู้คนสามารถเลือกเส้นทางที่ปลอดภัยในการเดินทาง และยังช่วยในการวางผังเมืองที่ดีและมีประสิทธิภาพมากขึ้นและเพิ่มความปลอดภัยบนท้องถนนในอนาคต

ที่มา:

Deep learning helps predict traffic crashes before they happen, Rachel Gordon