بهره‌گیری از هوش مصنوعی و کلان‌داده برای ارتقای تحلیل ایمنی

بهره‌گیری از هوش مصنوعی و کلان‌داده برای ارتقای تحلیل ایمنی

کاربرد یادگیری ماشین در تحلیل داده‌های خودروهای متصل، تصاویر خیابانی، لیدار، پیش‌بینی سرعت، رفتار کاربران راه و شاخص‌های جانشین ایمنی.

NCHRP 17-100 · گزارش پژوهشی ۱۱۵۲ · پروژه پژوهشی

درباره پروژه

از پرسش پژوهشی تا سامانه‌ای قابل استفاده.

در این پژوهش چندبخشی بررسی کردیم که هوش مصنوعی، یادگیری ماشین و داده‌های تازه حمل‌ونقل چگونه می‌توانند تحلیل ایمنی راه را تقویت کنند؛ به‌گونه‌ای که تصمیم‌گیری فقط به آمار تصادف‌های گذشته وابسته نباشد.

این راهنما شش مطالعه کاربردی را در بر می‌گیرد؛ از حرکت‌های گردش خودروهای متصل و تصاویر سطح خیابان تا برداشت زیرساخت با لیدار، تعارض‌های ترافیکی و رفتار کاربران راه. در هر مطالعه، ویژگی داده و شیوه اعتبارسنجی را به پرسش‌هایی پیوند می‌دهیم که متخصصان در عمل با آن‌ها روبه‌رو هستند.

در توسعه مدل‌ها، برنامه‌نویسی، اعتبارسنجی، مستندسازی فنی، تدوین راهنمای کاربر و گزارش‌ها و گفت‌وگو با نهادهای فدرال و ایالتی مشارکت داشتم. این کار کمک کرد آزمودن روش‌های نو به نیازهای اجرای واقعی نزدیک شود.

۶ مطالعه

پژوهش‌های کاربردی گنجانده‌شده در راهنمای متخصصان

≥0.98

دقت مثبت در پایلوت چراغ‌های راه ODOT

≥0.90

نرخ بازیابی در پایلوت چراغ‌های راه ODOT

چندمنبعی

خودروهای متصل، تصاویر، لیدار، ویدئو و داده‌های سازمانی

نقش من در پروژه

نقش‌ها و کارهای فنی

  • تحلیل خودروهای متصل و مسیر حرکت
  • تصاویر خیابانی و بینایی ماشین
  • لیدار و حسگری زیرساخت
  • مدل‌سازی سرعت و رفتار
  • مستندسازی، راهنمای کاربران و تبادل با ذی‌نفعان

عکس‌های پروژه

سامانه‌ها، کار میدانی و نتایج

منابع

ارائه‌ها، مقاله‌ها، گزارش‌ها و پیوندهای مرتبط