در یک نگاه
چرا این پژوهش اهمیت دارد؟
تحلیل سنتی ایمنی اغلب پس از وقوع تصادف آغاز می‌شود. در پژوهشم بررسی می‌کنم که داده‌های نوین جابه‌جایی و شاخص‌های جانشین چگونه می‌توانند خطر را در شبکه راه، زودتر و با جزئیات زمانی و مکانی بیشتر آشکار کنند تا سازمان‌ها فرصت پیشگیری داشته باشند.
در مطالعه‌ای روی تقاطع‌های چراغ‌دار شهر توسان، در تبدیل ۵۴٫۸ میلیون نقطه از مسیرهای ثبت‌شده خودروهای متصل به سه شاخص جانشین ایمنی مشارکت داشتم. این شاخص‌ها را با پنج سال تصادف ثبت‌شده پلیس مقایسه کردیم. در مدل‌های آماری، یادگیری ماشین و مدل‌های گرافی، «نرخ کاهش سرعت لازم برای پرهیز از تصادف» (DRAC) از میان شاخص‌های آزموده‌شده قوی‌ترین بود.
نتایج، مرز کاربرد این شاخص‌ها را هم نشان داد: برای تصادف‌های از عقب، گردش به چپ، برخوردهای زاویه‌ای و تصادف‌های کم‌شدت اطلاعات بیشتری فراهم می‌کردند؛ اما برای برخوردهای جانبی، تصادف‌های تک‌خودرویی و پیامدهای شدید، باید عوامل رفتاری و زمینه‌ای بیشتری را در نظر گرفت. این تمایز برای استفاده مسئولانه از مدل‌ها مهم است.
