ディープラーニングで交通事故の事前予測が可能に

現在の世界は大きな迷路のようになっており、コンクリートとアスファルトの層で結ばれているため、車での移動が容易になっています。しかし、地図アプリのおかげでニューロンの数を減らすことができたり、カメラで擦り傷を検知して警告してくれたり、電気自動車が低燃費であったりと、道路に関する多くの進歩に安全対策が追いついていないのが現状です。A地点からB地点へ安全に移動するためには、信号や信頼、そして周囲の鉄分に頼ることに変わりはありません。

そこで、MITのコンピュータサイエンス・人工知能研究所（CSAIL）とカタール人工知能センターの研究者たちは、高解像度の衝突リスクマップを予測するディープラーニングモデルを開発しました。このリスクマップは、過去の衝突データ、道路地図、衛星画像、GPSトレースを組み合わせて、将来の一定期間における衝突の予想数を記述し、高リスクエリアを特定して将来の衝突を予測するものです。

通常、この種のリスクマップは、数百メートル程度の低解像度で撮影されるため、道路がぼやけてしまい、重要な部分が見えなくなってしまいます。しかし、今回のマップは5×5メートルのグリッドセルであり、高解像度であることで新たな発見がありました。例えば、高速道路は周辺の住宅地よりもリスクが高く、高速道路に合流・流出するランプは他の道路よりもさらにリスクが高いことがわかりました。

MIT CSAILの博士課程学生であるSongtao Heは、「過去のデータがなくても、あらゆる場所で将来の衝突の確率を決定する基本的なリスク分布を把握することで、より安全なルートを見つけたり、自動車保険会社が顧客の運転履歴に基づいてカスタマイズした保険プランを提供したり、都市計画者がより安全な道路を設計したり、さらには将来の衝突を予測したりすることが可能になります」と述べています。

交通事故は発生頻度が低いにもかかわらず、世界のGDPの約3%を占め、子供や若者の死亡原因の第1位となっています。このスパースさが、このような高解像度の地図を推論することを困難にしています。このレベルの事故は散在しており、5×5のグリッドセルでの年間平均事故発生確率は1,000分の1程度で、同じ場所で2度起こることはほとんどありません。これまでに行われてきた衝突の危険性を予測する試みは、主に「過去の事故」を対象としてきた。

しかし、このチームのアプローチは、重要なデータを収集するために、より広い範囲に網を張っています。交通の密度、速度、方向を示すGPSの軌跡パターンと、車線数、路肩の有無、歩行者の多さなどの道路構造を示す衛星画像を用いて、危険性の高い場所を特定します。そうすれば、たとえ事故の記録がない地域であっても、交通パターンと地形だけで、危険度の高い地域と判断することができます。

このモデルを評価するために、科学者たちは2017年と2018年の衝突事故とデータを使用し、2019年と2020年の衝突事故を予測する性能をテストしました。その結果、衝突事故が記録されていないにもかかわらず、多くの場所が高リスクと認識され、追跡調査の年にも衝突事故が発生していました。

カタール・コンピューティング・リサーチ・インスティチュート（QCRI）の主任研究員で、論文の著者でもあるアミン・サデギは、「私たちのモデルは、一見無関係に見えるデータソースから得られた複数の手がかりを組み合わせることで、ある都市から別の都市へと一般化することができます。このモデルは、未知の領域での衝突マップを予測することができるため、一般的なAIへの一歩となります。このモデルは、過去の事故データがない場合でも、有用な事故マップを推測することができ、想像上のシナリオを比較することで、都市計画や政策立案に積極的に活用することができます。」と語っています。

データセットは、ロサンゼルス、ニューヨーク、シカゴ、ボストンの7,500平方キロメートルを対象としました。4つの都市の中では、ロサンゼルスが最も事故密度が高く、最も安全ではないとされ、ニューヨーク、シカゴ、ボストンと続きました。

「もし人々がリスクマップを使って潜在的にリスクの高い道路セグメントを特定できれば、事前に行動を起こして、旅行のリスクを減らすことができます。WazeやApple Mapsのようなアプリにも事故機能ツールはありますが、私たちは事故が起こる前に先手を打とうとしているのです」と彼は言います。

出典：TeckXplore