پیش‌بینی تصادفات رانندگی در جاده‌های روستایی ایران به کمک هوش مصنوعی

تصادفات رانندگی، یکی از معضلات اصلی جامعه ایران به شمار می‌رود که سالانه جان هزاران نفر را می‌گیرد و خسارات مالی هنگفتی به بار می‌آورد. در این میان، جاده‌های روستایی به دلیل عرض کم، پیچ‌های خطرناک و فقدان امکانات ایمنی کافی، سهم بیشتری از این آمار غم‌انگیز را به خود اختصاص داده‌اند.

هوش مصنوعی به کمک رانندگان ایرانی می‌آید

اما خبر خوش این است که دانشمندان ایرانی با به‌کارگیری هوش مصنوعی، گامی بلند در جهت ارتقای ایمنی جاده‌های کشور برداشته‌اند. این مطالعه که در مجله Transportation Research Interdisciplinary Perspectives به چاپ رسیده است، نشان می‌دهد که مدل‌های یادگیری ماشین می‌توانند با دقتی شگفت‌انگیز، تعداد و شدت تصادفات را پیش‌بینی کنند و به مقامات در شناسایی نقاط حادثه‌خیز و اتخاذ تدابیر پیشگیرانه یاری رسانند.

پیش‌بینی تصادفات رانندگی با دقت ۹۱.۲۵ درصد

محققان ایرانی در این پژوهش از مدلی عمیق به نام شبکه‌های چندلایه‌ای پیش‌خور (MLP) برای تجزیه و تحلیل اطلاعات مربوط به تصادفات رانندگی در جاده‌های روستایی ایران استفاده کردند. با به‌کارگیری این مدل، آنها موفق به پیش‌بینی تعداد و شدت تصادفات با دقت خیره‌کننده ۹۱.۲۵ درصد شدند. این دستاورد، گواهی بر توانایی هوش مصنوعی در ایفای نقشی حیاتی در ارتقای ایمنی جاده‌ها به شمار می‌رود.

نقش عوامل مختلف در تصادفات جاده‌ای

این مطالعه نشان داد که عوامل مختلفی در وقوع و شدت تصادفات جاده‌ای نقش دارند. از جمله این عوامل می‌توان به تراکم دسترسی، خطرات حاشیه جاده و عرض جاده اشاره کرد.

• تراکم دسترسی: هر چه تراکم دسترسی در جاده بیشتر باشد، احتمال وقوع تصادف نیز افزایش می‌یابد.
• خطرات حاشیه جاده: وجود خطرات بالقوه‌ای مانند گاردریل، درختان و ستون‌های برق در حاشیه جاده، می‌تواند احتمال تصادفات شدید را به‌طور قابل‌توجهی بالا ببرد.
• عرض جاده: جاده‌های عریض‌تر به رانندگان فضای بیشتری برای مانور و رانندگی امن‌تر می‌دهند و در نتیجه، به طور کلی منجر به تصادفات کمتری می‌شوند.

کاربرد هوش مصنوعی برای ارتقای ایمنی جاده‌ها

با توجه به نتایج این مطالعه، هوش مصنوعی می‌تواند در زمینه‌های مختلفی برای ارتقای ایمنی جاده‌ها به کار گرفته شود. از جمله این موارد می‌توان به موارد زیر اشاره کرد:

• شناسایی نقاط حادثه‌خیز: مدل‌های یادگیری ماشین می‌توانند با دقت بالا، نقاط حادثه‌خیز در جاده‌ها را شناسایی کنند و به مقامات در تمرکز بر این نقاط برای اتخاذ تدابیر پیشگیرانه یاری رسانند.
• تخصیص بهینه منابع: با در اختیار داشتن اطلاعات دقیق مربوط به نقاط حادثه‌خیز، مقامات می‌توانند منابع را به طور کارآمدتر تخصیص دهند و ایمنی را در این نقاط به طور چشمگیری ارتقا بخشند.
• طراحی جاده‌های ایمن‌تر: مهندسان می‌توانند از مدل‌های یادگیری ماشین برای طراحی جاده‌هایی ایمن‌تر که احتمال تصادفات را به حداقل می‌رساند، بهره ببرند.

امید به آینده‌ای امن‌تر در جاده‌های ایران

این مطالعه، نقطه عطفی در مسیر ارتقای ایمنی جاده‌ها در ایران محسوب می‌شود. با ادامه تحقیقات و به‌کارگیری هوش مصنوعی، می‌توان شاهد کاهش چشمگیر تصادفات رانندگی و حفظ جان انسان‌ها در جاده‌های کشورمان بود.

منبع

Habibzadeh M, Mirabimoghaddam MH, Haghighi SM, Ameri M. Presentation of artificial neural network models based on optimum theories for predicting accident severity on rural roads in Iran. Transportation Research Interdisciplinary Perspectives. 2024 May 1;25:101090. https://doi.org/10.1016/j.trip.2024.101090