This post is also available in:
English (אנגלית)
מאמצים המסורתיים לשיפור בטיחות הולכי רגל מסתמכים לעתים קרובות על נתוני תאונות המדווחים על ידי המשטרה – נתונים אשר יכולים להיות מוגבלים ובעייתיים. כדי להתמודד עם הפער הזה, חוקרים מאוניברסיטת קווינסלנד לטכנולוגיה (QUT) באוסטרליה, פיתחו מודל חדשני של למידת מכונה, אשר חוזה פגיעה בהולכי רגל ואת רמות החומרה שלהן מבלי להשתמש בנתוני תאונות. המחקר פורץ הדרך שלהם, שפורסם ב-Communications in Transportation Research, עשוי לשנות את האופן שבו מיישמים אמצעי בטיחות להולכי רגל.
על פי TechXplore, צוות מ-QUT אסף נתוני וידאו נרחבים של תנועות הולכי רגל בצמתים מסומנים בבריסביין, קווינסלנד, כדי לנתח התנהגות הולכי רגל ואינטראקציות שלהם עם כלי רכב. המטרה הייתה להעריך את תדירות הפגיעה בהולכי הרגל ואת חומרת הפגיעות באמצעות טכנולוגיית קומפיוטר ויז'ן וטכניקות של למידת מכונה, מבלי להסתמך על רשומות אמיתיות של תאונות, אשר לעתים קרובות דלילות ומושפעות מדיווח מוטה.
פיזה חוסיין, חוקרת בבית הספר להנדסה אזרחית וסביבתית של QUT, הסבירה כי המודל ההיברידי מעריך את תדירות הפגיעות בהולכי רגל לפי רמות החומרה. באמצעות למידת מכונה, אינטראקציות חריגות בין רכב להולכי רגל מזוהות וממודלות באמצעות תורת הערכים החריגים, המסייעת להבחין בין פגיעות חמורות לבין פגיעות לא חמורות.
תוצאות המחקר היו מרשימות, והמודל ניבא במדויק את התדירות של פגיעות חמורות ולא חמורות בהולכי רגל. במהלך תקופת תצפית של חמש שנים, התחזיות של המודל תאמו את הנתונים בפועל, והציעו שיטה חדשה לחיזוי סיכוני התאונות תוך שימוש בנתוני תנועה של שבוע בלבד. המחקר מספק ראיות לכך שניתן לחזות את סיכוני התאונות בדיוק יוצא דופן, מבלי להמתין לשנים של נתוני תאונות. מדובר בכלי מהפכני עבור פיתוח אמצעי נגד מותאמים.
למידת מכונה משחקת תפקיד מרכזי בגישה זו. על ידי ניתוח אינטראקציות בין רכבים להולכי רגל, תחזיות הסיכון לפגיעה של המודל היו מדויקות פי שלושה מאשר שיטות קונבנציונליות. פריצת דרך זו מאפשרת לרשויות לזהות אזורים בסיכון גבוה באופן יזום וליישם אמצעי בטיחות ממוקדים על בסיס רמות חומרה חזויות.
מחקר זה מכין את הקרקע לעידן חדש בבטיחות הולכי רגל, שבו מודלים של למידת מכונה יכולים להציע תובנות בזמן ולעזור למנוע פגיעות בהולכי רגל לפני שהן מתרחשות.
