Транспондер

Можно ли оценить количество столкновений с пешеходами и их тяжесть без использования данных о ДТП?

Разработка контрмер по повышению безопасности пешеходов, особенно целевых мер на случай тяжелых ДТП, имеет решающее значение для дорожных служб. Однако такие усилия в основном опираются на данные о дорожно-транспортных происшествиях, предоставленные полицией, что сталкивается с очевидными этическими проблемами и препятствует проактивному управлению безопасностью.

Хотя методы компьютерного зрения позволяют получать данные о траекториях движения участников дорожного движения с высоким разрешением, фундаментальный вопрос исследования звучит так: "Можем ли мы оценить количество ДТП с участием пешеходов и степень их тяжести, не используя официальные данные о дорожно-транспортных происшествиях?".

Чтобы ответить на этот вопрос, исследователи из Квинслендского технологического университета собрали большое количество видеоданных о движении пешеходов на регулируемых перекрестках в Брисбене. Свое исследование они опубликовали в журнале Communications in Transportation Research.

В этом исследовании ученые отметили исключительную эффективность разработанной модели при оценке частоты наездов на пешеходов по уровням тяжести. Например, среднее количество ДТП с тяжелыми последствиями и ДТП без тяжелых последствий за пять лет составило 2 и 29 соответственно, а соответствующие прогнозы наилучшей модели составили 2,91 и 30,91 соответственно.

Дорожные службы все чаще интересуются прогнозированием частоты аварий по уровням тяжести, чтобы разработать индивидуальные контрмеры. Например, на регулируемых перекрестках предлагаемые результаты моделирования позволят получить представление о частоте дорожно-транспортных происшествий и степени их тяжести, что поможет дорожным службам определить приоритетность своих действий в зависимости от степени тяжести.

Машинное обучение становится все более популярным, однако его использование для оценки частоты дорожно-транспортных происшествий на основе дорожных конфликтов довольно ограничено. Данное исследование показывает, что при использовании машинного обучения для выявления рискованных взаимодействий с пешеходами эффективность моделей прогнозирования риска ДТП возрастает примерно в три раза по сравнению с традиционными.

www.tgoop.com/transpond/5791

56 viewsNov 22 at 19:32

Можно ли оценить количество столкновений с пешеходами и их тяжесть без использования данных о ДТП?

Разработка контрмер по повышению безопасности пешеходов, особенно целевых мер на случай тяжелых ДТП, имеет решающее значение для дорожных служб. Однако такие усилия в основном опираются на данные о дорожно-транспортных происшествиях, предоставленные полицией, что сталкивается с очевидными этическими проблемами и препятствует проактивному управлению безопасностью.

Хотя методы компьютерного зрения позволяют получать данные о траекториях движения участников дорожного движения с высоким разрешением, фундаментальный вопрос исследования звучит так: "Можем ли мы оценить количество ДТП с участием пешеходов и степень их тяжести, не используя официальные данные о дорожно-транспортных происшествиях?".

Чтобы ответить на этот вопрос, исследователи из Квинслендского технологического университета собрали большое количество видеоданных о движении пешеходов на регулируемых перекрестках в Брисбене. Свое исследование они опубликовали в журнале Communications in Transportation Research.

В этом исследовании ученые отметили исключительную эффективность разработанной модели при оценке частоты наездов на пешеходов по уровням тяжести. Например, среднее количество ДТП с тяжелыми последствиями и ДТП без тяжелых последствий за пять лет составило 2 и 29 соответственно, а соответствующие прогнозы наилучшей модели составили 2,91 и 30,91 соответственно.

Дорожные службы все чаще интересуются прогнозированием частоты аварий по уровням тяжести, чтобы разработать индивидуальные контрмеры. Например, на регулируемых перекрестках предлагаемые результаты моделирования позволят получить представление о частоте дорожно-транспортных происшествий и степени их тяжести, что поможет дорожным службам определить приоритетность своих действий в зависимости от степени тяжести.

Машинное обучение становится все более популярным, однако его использование для оценки частоты дорожно-транспортных происшествий на основе дорожных конфликтов довольно ограничено. Данное исследование показывает, что при использовании машинного обучения для выявления рискованных взаимодействий с пешеходами эффективность моделей прогнозирования риска ДТП возрастает примерно в три раза по сравнению с традиционными.

BY Транспондер