Forecasting the Emergence and Evolution of Crash Hotspots: A Unified Deep Learning Framework for Proactive Traffic Safety
Het artikel introduceert HERALD, een verenigd deep learning-framework dat CNN-Transformer-architecturen combineert met mixture-of-experts om de volledige levenscyclus van verkeersongelukken-hotspots dynamisch te detecteren, te voorspellen en te volgen, waardoor proactief veiligheidsbeheer mogelijk wordt door te verschuiven van reactieve mapping van incidenten uit het verleden naar het anticiperen op toekomstige risico's.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Stel je het wegennetwerk van een stad voor als een gigantisch, levend organisme. Soms krijgt dit organisme koorts—een plotselinge, geconcentreerde piek in verkeersongevallen bij een specifiek kruispunt of een bepaat stuk snelweg. In de wereld van verkeersveiligheid worden deze gevaarlijke plekken "hotspots" genoemd. Decennialang hebben verkeersexperts geprobeerd deze koortsen te behandelen, maar ze werkten meestal met een kaart van het weer van gisteren. Ze kijken naar waar ongelukken plaatsvonden vorig jaar, vorige maand, of zelfs vorige week, en sturen dan politie of ingenieurs naar die plekken. Het probleem is dat hotspots als rusteloze spoken zijn; ze blijven niet op hun plek. Een gevaarlijke plek kan opduiken, erger worden, kalmeren en vervolgens verdwijnen, om ergens anders weer volledig opnieuw te verschijnen. Tegen de tijd dat functionarissen een nieuwe kaart tekenen op basis van oude gegevens, is het gevaar al verplaatst.
Dit is waar de wetenschap van voorspelling om de hoek komt kijken. In plaats van alleen achterom te kijken, willen onderzoekers een kristallen bol bouwen die de toekomst kan zien. Ze willen niet alleen weten waar het gevaar was, maar waar het nú aan het ontstaan is, en hoe het in de komende dagen zal groeien of krimpen. Dit gaat niet over gokken; het gaat over het gebruik van wiskunde en computers om de minuscule, vroege tekenen van problemen op te sporen voordat er zelfs maar een botsing plaatsvindt. Als we deze "hotspots" kunnen vangen terwijl ze nog slechts een vonk zijn, kunnen we het vuur blussen voordat het mensen brandt. Dit is het verschil tussen reageren op een tragedie en het voorkomen ervan.
Maak kennis met HERALD, een nieuw computerbrein ontworpen door onderzoekers van de University of Wisconsin–Madison en andere universiteiten. Denk aan HERALD als een super slimme detective die niet alleen naar een plaats delict kijkt; het observeert de hele stad, leert de gewoonten van de straten kennen en voorspelt precies waar de volgende "misdaad" (een crash) waarschijnlijk zal plaatsvinden. De onderzoekers hebben deze detective getraind op drie jaar aan crashgegevens uit zes verschillende graafschappen in Wisconsin, variërend van de drukke, overvolle straten van Milwaukee tot de rustige, open wegen van het landelijke Chippewa County.
Zo werkt HERALD, met behulp van een eenvoudige analogie: Stel je voor dat je probeert te voorspellen waar een groep onrustige kinderen zich in een park zal verzamelen. Een normale kaart zou alleen laten zien waar ze gisteren zaten. Maar HERALD is anders. Het bekijkt het hele park, merkt op dat de kinderen op dinsdag dol zijn op de schommels en op vrijdag op de glijbanen (dat is de "temporele cycliciteit"), en het weet dat als er een vechtpartij begint bij de schommels, dit waarschijnlijk zal overslaan naar de bankjes in de buurt (dat is de "zelfexcitatie").
HERALD doet drie hoofdzaken tegelijkertijd, wat een grote prestatie is omdat je normaal gesproken drie verschillende instrumenten nodig hebt om dit te doen:
- Het ziet de vonk: Het kan een "hotspot" detecteren op het moment dat deze vormt, zelfs als dat in een gebied is dat een lange tijd rustig is geweest. Het is alsof je een fluistering hoort in een lawaaierige kamer.
- Het tekent de kaart: Het voorspelt exact waar het gevaar volgende week zal zijn en tekent een gedetailleerde kaart van het risico. Het zegt niet alleen "het is hier gevaarlijk"; het zegt "het is precies hier gevaarlijk, en het gaat nog erger worden."
- Het volgt het verhaal: Het volgt de hotspot terwijl deze groeit, stabiel blijft of vervaagt. Het geeft de hotspot een "levensverhaal" door het te labelen als "geboren", "groeiend", "stabiel", "afnemend" of "dood".
De onderzoekers ontdekten dat HERALD beter is dan de vijf andere computermodellen waarmee ze het hebben getest. Terwijl de andere modellen goed waren in het gladstrijken van de gegevens om een gemiddelde te krijgen, misten ze vaak de scherpe, specifieke details van waar het gevaar zich daadwerkelijk verborg. HERALD slaagde er echter in om zowel nauwkeurig te zijn in de cijfers als scherp in de locatie. Het was vooral goed in het afhandelen van de lastige mix van drukke stadscentra en rustige landwegen, dankzij een speciaal "mixture of experts"-systeem. Denk hierbij aan een team van detectives waarbij de ene expert alles weet van drukke stadsstraten en een andere alles weet van eenzame landwegen. HERALD stuurt automatisch de juiste expert naar de juiste plek, zodat het nooit in de war raakt door het verschil tussen een stadsplein en een landelijke kruising.
Een van de meest opwindende bevindingen is dat HERALD ons kan waarschuwen voor "opkomende" risico's. In de studie was het in staat om cellen op de kaart te markeren waar een crash op het punt stond te gebeuren in een gebied dat wekenlang veilig was geweest. Dit is als een rookmelder die afgaat voordat het vuur zelfs maar is uitgebroken, in plaats van je pas te vertellen waar de as ligt nadat het vuur al is uitgebrand. De onderzoekers lieten zien dat door HERALD te gebruiken, verkeersveiligheidsteams een veel hoger percentage van toekomstige verwondingen konden voorkomen door hun patrouilles te concentreren op de top 5% van de risicovolle plekken, vergeleken met het gebruik van oude kaarten of simpelweg te kijken naar waar ongelukken in het verleden plaatsvonden.
De onderzoekers benadrukken echter voorzichtig dat HERALD geen magie is. Het werkt het beste wanneer er genoeg gegevens zijn om van te leren. In de zeer rustige, landelijke gebieden waar crashes extreem zeldzaam zijn, heeft het systeem soms moeite om de allereerste tekenen van een nieuwe hotspot te detecteren, simpelweg omdat er zo weinig aanwijzingen zijn om op terug te vallen. Ook kan het systeem, hoewel het goed is in het volgen van een hotspot die op één plek blijft, een beetje in de war raken als twee hotspots samensmelten tot één, of uit elkaar splitsen, een beetje zoals het volgen van twee vrienden die plotseling besluiten samen te lopen en daarna weer uit elkaar te gaan.
Ondanks deze kleine hindernissen, suggereert het artikel dat HERALD een grote stap voorwaarts is. Het brengt verkeersveiligheid van een spel van "achteraf reageren" naar een spel van "anticipatie". In plaats van te wachten tot een crash plaatsvindt en dan de plek aan te pakken, kunnen we nu het gevaar zien samenkomen en het oplossen voordat er iemand gewond raakt. De onderzoekers hopen dat dit soort systemen in de toekomst gekoppeld kunnen worden aan realtime gegevens zoals het weer of verkeersopstoppingen om nog slimmer te worden, om ons te helpen wegen die niet alleen veiliger zijn, maar ook actief beschermend werken.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.