車禍仍然是我們道路上的一個持續威脅，造成了悲慘的人員損失。著名的 工程師 利用 人工智慧 的進步來預測這些毀滅性的事件。藉助創新的工具，他們分析複雜的變數，如天氣條件和駕駛者的行為。
這種新的方法為公共當局和城市規劃者提供了可操作的信息，從而重新塑造了道路安全。用於風險評估的 人工智慧 模型提供具體且可調整的預測，增強了對所提供數據的信心。整合這種新興技術可能徹底改變我們道路安全的未來，有效減少事故和死亡人數。
透過人工智慧預測事故
約翰霍普金斯大學的研究人員開發的人工智慧新工具 SafeTraffic Copilot 使他們能夠準確預測交通事故。通過調整交通信號燈的時間到 20 到 30 秒，該工具預測某一特定路口可能發生的事故數量。
影響因素的複雜性
交通事故受到多種變數的影響：氣候條件、交通模式、道路設計和駕駛者行為等。主要作者及土木工程教授楊浩（Hao “Frank” Yang）強調這項研究的目標：簡化這種複雜性。 SafeTraffic Copilot 為基礎設施設計者和決策者提供基於數據的信息，以減少事故數量。
使用先進的算法模型
研究人員依賴於先進的語言模型來處理海量數據。SafeTraffic Copilot 已經收錄了超過 66,000 起事故 的描述，整合了路況數據、數字值如酒精含量，以及衛星圖像和現場拍攝的照片。這種方法允許對個別和綜合的風險因素進行深入理解。
評估預測的可信度
該模型還能評估對其預測的可信度，稱為 可信度分數。這些分數至關重要，因為人工智慧通常像一個黑箱。楊指出，這種不確定性抑制了人工智慧在高風險領域，如道路安全的使用。
馬里蘭州的道路現狀
不幸的是，交通安全不可掉以輕心。今年，381 人在馬里蘭州的道路上喪生，死亡人數在過去十年中持續上升。因事故而死的人數從 2013 年的 466 人 增加到 2023 年的 621 人。楊的模型揭示酒精和激進駕駛是最可怕的因素。
機器學習與生成式人工智慧的區別
楊解釋了其他州使用的傳統機器學習與SafeTraffic Copilot 的預測能力之間的區別。後者通過調整交通信號燈的時長等因素提供了「如果……會怎樣」的模擬。這種靈活性允許將工具更好地定制以適應不同地區。
對當地社區的前景
楊希望直接惠及巴爾的摩及整個馬里蘭州的社區。大型語言模型的進步使得這種調整能夠應用於其他國家和文化的交通條件。例如，在摩托車主導的亞洲國家，駕駛行為的特定差異需要被考慮。
國際研究的拓展
楊計劃將這一工具擴展到其他國家，特別是南亞國家。以往的研究未能整合當地的駕駛行為，這一缺口如今得以通過生成式人工智慧的先進能力得到彌補。人工智慧的跨學科性在整體上提升道路安全方面表現出其重要性。
欲了解有關人工智慧的身份和發展的更多信息，請通過以下鏈接查看有關人工智慧在我們日常生活中影響的豐富文章：人工智慧領導者的實用教訓，ChatGPT 對我們互動的影響，Google AI Edge，最先進的人工智慧模型，以及發揮人工智慧的潛力。
常見問題解答
什麼是 SafeTraffic Copilot，它如何運作？
SafeTraffic Copilot 是約翰霍普金斯大學研究人員開發的人工智慧工具，旨在通過分析各種數據，如路況和駕駛行為，來預測車禍。
人工智慧如何改善道路安全？
人工智慧能夠通過考慮眾多因素，提供更準確的事故預測，並提供幫助決策者評估預測可靠性的「可信度分數」。
用於訓練人工智慧模型的數據類型有哪些？
該模型是從超過 66,000 起事故的描述中訓練而成，包括路況、酒精含量等數據，還包括衛星圖像和現場照片。
SafeTraffic Copilot 如何為不同地點調整其預測？
SafeTraffic Copilot 通過整合附加信息來適應每個州或城市的特定交通條件，以細化其預測。
為什麼在道路安全中使用人工智慧至關重要？
使用人工智慧是必要的，因為它能處理大量數據並模擬各種場景，以更好地理解事故的原因並提出相應的解決方案。
SafeTraffic Copilot 識別出的主要事故原因是什麼？
該模型顯示，酒精和激進駕駛是最危險的因素，造成的事故數量是其他原因的三倍。
SafeTraffic Copilot 與其他用於道路安全的人工智慧系統有何不同？
與傳統的機器學習系統不同，SafeTraffic Copilot 使用生成式人工智慧，能夠模擬假設情景並根據具體的變化（如交通信號燈時間的變更）提供基於的預測。
這項技術如何能夠在國際上進行部署？
研究人員計劃將這項技術適應到其他國家，考慮文化和行為差異，例如某些亞洲地區的摩托車使用。
