Autounfälle bleiben eine ständige Bedrohung auf unseren Straßen und verursachen tragische menschliche Verluste. Hervorragende Ingenieure nutzen die Fortschritte der Künstlichen Intelligenz, um diese katastrophalen Vorfälle vorherzusagen. Mit innovativen Werkzeugen analysieren sie komplexe Variablen wie Wetterbedingungen und das Verhalten der Fahrer.
Dieser neue Ansatz bietet umsetzbare Erkenntnisse für öffentliche Behörden und Stadtplaner und erfindet die Verkehrssicherheit neu. Das Risiko-Bewertungsmodell für KI bietet konkrete und anpassbare Vorhersagen, die das Vertrauen in die präsentierten Daten stärken. Die Integration dieser aufkommenden Technologie könnte die Zukunft der Sicherheit auf unseren Straßen radikal verändern und die Zahl der Unfälle und Todesfälle effektiv reduzieren.
Vorhersage von Unfällen durch Künstliche Intelligenz
Die Entwicklung eines neuen KI-Tools, des SafeTraffic Copilot, ermöglicht es den Forschern der Johns Hopkins Universität, Unfälle präzise vorherzusagen. Durch die Anpassung der Dauer einer Ampel von 20 bis 30 Sekunden antizipiert dieses Tool die Anzahl der Unfälle, die an einer bestimmten Kreuzung auftreten könnten.
Komplexität der beteiligten Faktoren
Unfälle im Straßenverkehr werden von einer Vielzahl von Variablen beeinflusst: Wetterbedingungen, Verkehrsströme, Straßenplanung und Fahrerverhalten. Hao „Frank“ Yang, der Hauptautor und Professor für Bauingenieurwesen, hebt das Ziel dieser Forschung hervor: diese Komplexität zu vereinfachen. Der SafeTraffic Copilot liefert Infrastrukturplanern und Entscheidungsträgern datengestützte Informationen, um die Anzahl der Unfälle zu reduzieren.
Nutzung fortschrittlicher algorithmischer Modelle
Die Forscher stützen sich auf fortschrittliche Sprachmodelle, um riesige Datenmengen zu verarbeiten. Der SafeTraffic Copilot wurde mit Beschreibungen von über 66.000 Unfällen ausgestattet, die Daten zu Straßenbedingungen, numerische Werte wie Blutalkoholkonzentrationen sowie Satellitenbilder und vor Ort aufgenommene Fotografien integrieren. Dieser Ansatz ermöglicht ein tiefes Verständnis der individuellen und kombinierten Risikofaktoren.
Bewertung des Vertrauens in die Vorhersagen
Das Modell ermöglicht auch die Bewertung des Vertrauens in seine Vorhersagen, die als Vertrauenswerte bekannt sind. Diese Werte sind entscheidend, da Künstliche Intelligenz oft wie eine Black Box funktioniert. Yang betont, dass diese Unsicherheit die Nutzung von KI in risikoreichen Bereichen wie der Verkehrssicherheit behindert hat.
Aktuelle Situation auf den Straßen von Maryland
Leider ist die Verkehrssicherheit kein leichtes Thema. In diesem Jahr haben 381 Menschen ihr Leben verloren auf den Straßen von Maryland, was einem Anstieg der Todesfälle über ein Jahrzehnt folgt. Die durch Unfälle verursachten Todesfälle sind von 466 im Jahr 2013 auf 621 im Jahr 2023 gestiegen. Yangs Modelle zeigen, dass Alkohol und aggressives Fahren die gefährlichsten Faktoren sind.
Unterschiede zwischen maschinellem Lernen und generativer KI
Yang erklärt den Unterschied zwischen traditionellem maschinellem Lernen, das von anderen Staaten verwendet wird, und den Vorhersagefähigkeiten des SafeTraffic Copilot. Letzterer bietet „Was-wäre-wenn“-Simulationen, indem Faktoren wie die Dauer einer Ampel angepasst werden. Eine solche Flexibilität ermöglicht eine bessere Anpassung des Tools an unterschiedliche Standorte.
Perspektiven für lokale Gemeinschaften
Yang strebt an, direkt den Gemeinschaften in Baltimore sowie dem gesamten Maryland zugutekommen. Die Fortschritte in großen Sprachmodellen ermöglichen diese Anpassung an die Verkehrsbedingungen anderer Länder und Kulturen. Beispielsweise erfordert das Fahren in asiatischen Ländern, in denen Motorräder die Straßen dominieren, die Berücksichtigung spezifischer Fahrerverhalten.
Erweiterung der Forschung auf internationaler Ebene
Yang plant, dieses Tool auf andere Nationen, insbesondere in Südasien, auszudehnen. Frühere Forschungen hatten Schwierigkeiten, lokale Fahrverhalten zu integrieren, eine Lücke, die nun dank der fortschrittlichen Fähigkeiten der generativen KI geschlossen wird. Die Interdisziplinarität der Künstlichen Intelligenz erweist sich als entscheidend für die Verbesserung der Verkehrssicherheit insgesamt.
Für weitere Informationen über die Identität und Entwicklung von Künstlicher Intelligenz lesen Sie aufschlussreiche Artikel über die Auswirkungen von KI auf unseren Alltag über diese Links: praktische Erkenntnisse für Führungskräfte in der Künstlichen Intelligenz, die Auswirkungen von ChatGPT auf unsere Interaktionen, Google AI Edge, die fortschrittlichsten Künstlichen Intelligenz-Modelle und das Potenzial von KI ausschöpfen.
Häufig gestellte Fragen
Was ist SafeTraffic Copilot und wie funktioniert es?
SafeTraffic Copilot ist ein von Forschern der Johns Hopkins Universität entwickeltes KI-Werkzeug, das darauf ausgelegt ist, Verkehrsunfälle vorherzusagen, indem es verschiedene Daten wie Straßenbedingungen und das Fahrverhalten analysiert.
Wie kann Künstliche Intelligenz die Verkehrssicherheit verbessern?
Künstliche Intelligenz kann genauere Vorhersagen von Unfällen liefern, indem sie zahlreiche Faktoren berücksichtigt und „Vertrauenswerte“ bereitstellt, die den Entscheidungsträgern helfen, die Zuverlässigkeit der Vorhersagen zu beurteilen.
Welche Daten werden verwendet, um das KI-Modell zu trainieren?
Das Modell wird auf der Grundlage von Beschreibungen von über 66.000 Unfällen trainiert, einschließlich Elementen wie Straßenbedingungen, Alkoholwerte sowie Satellitenbilder und Vor-Ort-Fotos.
Wie passt SafeTraffic Copilot seine Vorhersagen an verschiedene Orte an?
SafeTraffic Copilot passt sich den spezifischen Verkehrsbedingungen jedes Bundesstaates oder jeder Stadt an, indem es zusätzliche Informationen integriert, um seine Vorhersagen zu verfeinern.
Warum ist der Einsatz von KI in der Verkehrssicherheit entscheidend?
Die Verwendung von KI ist wesentlich, da sie es ermöglicht, große Datenmengen zu verarbeiten und verschiedene Szenarien zu modellieren, um die Ursachen von Unfällen besser zu verstehen und geeignete Lösungen vorzuschlagen.
Was sind die Hauptursachen für Unfälle, die vom SafeTraffic Copilot identifiziert wurden?
Das Modell hat gezeigt, dass Alkohol und aggressives Fahren die gefährlichsten Faktoren sind, die zu dreimal so vielen Unfällen führen wie andere Ursachen.
Wie unterscheidet sich SafeTraffic Copilot von anderen KI-Systemen, die im Straßenverkehr eingesetzt werden?
Im Gegensatz zu traditionellen maschinellen Lernsystemen verwendet SafeTraffic Copilot generative KI, die es ermöglicht, hypothetische Szenarien zu simulieren und Vorhersagen basierend auf konkreten Änderungen, wie der Anpassung der Ampelzeiten, zu liefern.
Wie könnte diese Technologie international eingesetzt werden?
Die Forscher planen, diese Technologie an andere Länder anzupassen, wobei kulturelle und verhaltensbezogene Unterschiede berücksichtigt werden, wie etwa die Nutzung von Motorrädern in bestimmten Regionen Asiens.
