Konzorcium na čele s automobilkou Ford vyvíja inovatívny prediktívny nástroj pre bezpečnosť cestnej premávky, ktorý na základe údajov z pripojených vozidiel a inteligentných senzorov na krajniciach ciest zvyší bezpečnosť a zjednoduší cestovanie v malých i veľkých mestách. Každoročne zomiera vo svete vyše 1,3 milióna ľudí na cestách1, teda asi 3 700 denne. Zranenia pri dopravných nehodách sú tak celosvetovo ôsmou najčastejšou príčinou smrti2. Okrem následkov pre ľudí, majú nehody aj vážne finančné dôsledky.
Dátový nástroj pre bezpečnosť cestnej premávky bude analyzovať informácie z pripojených vozidiel, inteligentných senzorov na krajniciach ciest a od miestnych úradov. Na ich základe bude predpovedať pravdepodobné umiestnenie a možné hlavné príčiny potenciálnych ohnísk, ktoré ohrozujú bezpečnosť cestnej premávky. Na základe týchto poznatkov budú mestá môcť prijímať preventívne opatrenia a prednostne riešiť cesty a križovatky, ktoré predstavujú pre účastníkov cestnej premávky najväčšie riziko. Oddelenie Ford Mobility pri vývoji spolupracuje s Okresnou radou v Oxfordshire, špecialistami na senzory na báze umelej inteligencie zo spoločnosti Vivacity Labs, s akademickými pracovníkmi z Výskumného strediska pre bezpečnosť dopravy na Univerzite Loughborough s podporou Londýnskeho dopravného podniku. Iniciatíva aktuálne získala finančnú podporu od vládneho fondu pre inovácie Innovate UK.
Dátami riadená bezpečnosť cestnej premávky
V rámci rozsiahleho výskumu preskúmala automobilka Ford možnosti, ako by sa s pomocou pripojených vozidiel a prediktívnej analýzy dala zvýšiť bezpečnosť cestnej premávky. Do 18-mesačného projektu začínajúceho tohtoročné leto sa dobrovoľne zapojí až 700 osobných a úžitkových vozidiel v okrese Oxfordshire a v Londýne. Analyzovať sa budú podrobné telematické údaje získané od flotily vozidiel (napr. používanie brzdového či plynového pedála, uhol natočenia volantu) a informácie z 25 inteligentných senzorov, ktoré v okrese Oxfordshire poskytne spoločnosť Vivacity Labs, špecializujúca sa na zaznamenávanie a klasifikáciu dopravy. Celkový počet senzorov v prevádzke sa tak zvýši na 100. Krajnicové senzory od spoločnosti Vivacity zaznamenávajú pomocou algoritmov strojového učenia situácie, keď takmer došlo k nehode, a dokážu analyzovať vzorce pohybu zraniteľných účastníkov cestnej premávky, ako sú cyklisti a chodci, resp. nepripojené vozidlá. Všetky údaje zdieľané prostredníctvom senzorov sú anonymizované, pričom informačné kanály videa sa odstránia zo zdroja. Tým sa zvýši bezpečnosť na cestách bez narušenia súkromia.
Odborníci z Výskumného strediska pre bezpečnosť dopravy pod vedením Ruth Welshovej, docentky zameranej na bezpečnosť dopravy, budú spolu s tímom pre zber a analýzu globálnych dát spoločnosti Ford analyzovať údaje o vodičoch a vozidlách. Okresná rada v Oxfordshire bude sledovať, ako môžu údaje od miestnych orgánov v spojení s prediktívnym nástrojom zvýšiť bezpečnosť cestnej premávky. Získané poznatky a analýza sa použijú pri ďalšom vývoji digitálneho algoritmu a nástroja pre bezpečnosť cestnej premávky na prispôsobiteľný komerčný produkt, z ktorého budú môcť profitovať mestá celého sveta. Okrem toho sa konzorcium bude usilovať odhaliť ďalšie možnosti využitia prediktívnych informácií pre bezpečnosť cestnej premávky v reálnych podmienkach.
Testovanie pripojených vozidiel
Projekt prichádza po dvoch úspešných testoch v Londýne, počas ktorých analytici a dátoví vedci z oddelenia Ford Mobility preskúmali viac ako 1,5 milióna kilometrov jazdy pripojených vozidiel so zámerom identifikovať, analyzovať a poskytnúť miestnym orgánom podrobné bezpečnostné pokyny týkajúce sa rôznych ohnísk rizika pre bezpečnosť cestnej premávky vo Veľkom Londýne4. Odporúčané vylepšenia zahŕňali zavedenie kamier na semaforoch, ktoré by odrádzali od jazdy na červenú, strihanie zelene, aby bolo dopravné značenie jasne viditeľné, značenie a semafory v dvoch výškach, obnova povrchu vozoviek či zdvihnutie kanalizačných poklopov. Oddelenie Ford Mobility okrem toho spolupracuje s úradmi v nemeckom Kolíne nad Rýnom, a španielskej Valencii na identifikácii ďalších spôsobov, ako by analýza informácií z pripojených vozidiel a infraštruktúry mohla byť prospešná pre mobilitu v mestách.
