มีบัญชีอยู่แล้ว?
หลีกเลี่ยงอุบัติเหตุได้ ด้วยเอไอทำนายอุบัติเหตุบนท้องถนน
 
ในการจราจรยุคปัจจุบันนั้น แม้เทคโนโลยีเช่น GPS หรือรถยนต์รูปแบบต่าง ๆ จะก้าวหน้าไปเพียงใด แต่บนท้องถนนแต่ละวัน ผู้คนก็ยังคงอาศัยสัญญาณจราจรและการอ่านใจกันบนท้องถนนในการหลีกเลี่ยงไม่ให้เกิดอุบัติเหตุอยู่ดี ซึ่งค่อนข้างล้าหลังมากหากเทียบกับเทคโนโลยีอื่น ๆ ที่ก้าวกระโดดไปไกลแล้ว
นักวิทยาศาสตร์จากแลป Computer Science and Artificial Intelligence Laboratory (CSAIL) จาก MIT และ Qatar Center for Artificial Intelligence พยายามสร้างเทคโนโลยีที่จะแก้ปัญหาในจุดนี้ได้ ด้วยการสร้างโมเดลดีพเลิร์นนิงที่สามารถสร้างแผนที่แสดงพื้นที่ที่อาจเกิดอุบัติเหตุได้ โดยเรียนรู้จากบันทึกข้อมูลอุบัติเหตุ แผนที่ถนน ภาพถ่ายดาวเทียม และ GPS ซึ่งแผนที่นี้จะคาดการณ์จำนวนของอุบัติเหตุที่อาจเกิดขึ้นในช่วงเวลาหนึ่งอนาคต
ที่ผ่านมาความท้าทายของการสร้างแผนที่ความละเอียดสูงที่ทำนายการเกิดอุบัติเหตุนั้นได้แก่การที่รูปแบบการเกิดอุบัติเหตุมักจะกระจัดกระจาย ทำให้ต้องอิงจากข้อมูลประวัติศาสตร์เป็นหลัก ทีมพัฒนาจึงเพิ่มข้อมูลที่นำมาวิเคราะห์ให้ครอบคลุมขึ้น ไม่ว่าจะเป็น ข้อมูลความหนาแน่นของรถ ความเร็ว ทิศทางการจราจร ภาพถ่ายดาวเทียมที่แสดงโครงสร้างถนน เช่น มีกี่เลน มีไหล่ทางหรือไม่ มีคนเดินถนนเยอะมั้ย ทำให้แม้บางพื้นที่ไม่เคยมีอุบัติเหตุมาก่อน ก็อาจจะได้รับการจัดประเภทให้เป็นพื้นที่เสี่ยง เนื่องจากข้อมูลเหล่านี้นั่นเอง
ทีมพัฒนาได้ทดสอบโมเดลด้วยการป้อนข้อมูลของปี 2017-2018 และให้คาดการณ์อุบัติเหตุในปี 2019-2020 ซึ่งพบว่าคาดการณ์ได้แม่นยำ แม้บางพื้นที่ยังไม่เคยมีอุบัติเหตุในปีของข้อมูล โมเดลก็คาดการณ์ว่าอาจเกิดอุบัติเหตุได้ และก็เกิดขึ้นจริง ๆ
ความโดดเด่นของแผนที่นี้คือเป็นแผนที่ที่มีความละเอียดสูง ซึ่งต่างจากแผนที่ก่อนหน้าที่มักจะมีความละเอียดต่ำ ทำให้มองเห็นถนนและรายละเอียดต่าง ๆ ไม่ชัดเจน โดยจากแผนที่พบว่าถนนบริเวณทางยกระดับมักเกิดอุบัติเหตุบ่อยกว่าถนนในชุมชน และที่ที่มีความเสี่ยงเกิดอุบัติเหตุสูงที่สุดได้แก่ทางร่วมขึ้นลงสะพาน
ทีมพัฒนามองว่านอกจากแผนที่นี้จะช่วยพาเราหลีกเลี่ยงเส้นทางที่เกิดอุบัติเหตุได้แล้ว ยังช่วยให้เราระมัดระวังมากขึ้นเวลาเข้าไปในพื้นที่ที่ความเสี่ยงสูง ทำให้สามารถป้องกันอุบัติเหตุได้ในท้ายที่สุด
 
AI helps predict traffic crashes before they happen.
Today's world is one big maze, connected by layers of concrete and asphalt that afford us the luxury of navigation by vehicle. For many of our road-related advancements, GPS lets us fire fewer neurons, still our safety measures haven't quite caught up. We have to rely on a steady diet of traffic signals, trust, and the steel surrounding us to safely get from one place to another.
Scientists from MIT's Computer Science and Artificial Intelligence Laboratory (CSAIL) and the Qatar Center for Artificial Intelligence developed a deep learning model that predicts very high-resolution crash risk maps. Fed on a combination of historical crash data, road maps, satellite imagery, and GPS traces, the risk maps describe the expected number of crashes over a period of time in the future, to identify high-risk areas and predict future crashes.
Previously, the challenges of creating a high-resolution map from the real case of accidents occurred in many different locations and being sparse. This sparsity makes inferring maps at such a high resolution a tricky task. They have to mainly rely on historical data which give information about density, speed, and direction of traffic, and satellite imagery that describes road structures, such as the number of lanes, whether there's a shoulder, or if there's a large number of pedestrians. Then, even if a high-risk area has no recorded crashes, it can still be identified as high-risk, based on its traffic patterns and topology alone.
To evaluate the model, the scientists used crashes and data from 2017 and 2018, and tested its performance at predicting crashes in 2019 and 2020. Many locations were identified as high-risk, even though they had no recorded crashes, and also experienced crashes during the follow-up years.
The highlight of this model is that it comes with a higher resolution compared to the one we used to have. The scientists found that a highway road, for example, has a higher risk than nearby residential roads, and ramps merging and exiting the highway have an even higher risk than other roads.
This model is claimed to be used to infer a useful crash map even in the absence of historical crash data, which could translate to positive use for city planning and policymaking by comparing imaginary scenarios.
บทความโดย: ทีม Sertis
    • กำลังนิยมในบล็อกดิต
      แนะนำ 4 เหรียญคริปโตสัญชาติไทยที่กำลังมาแรง การเทรด Bitcoin หรือ คริปโต สมกับเป็นการลงทุนสมัยใหม่ที่เหมาะกับคนยุคใหม่ แต่หลายคนอาจยังไม่ทราบว่าปัจจุบันการลงทุนเหรียญดิจิตอลไทย หรือที่เรารู้จักกันในอีกชื่อคือ Cryptocurrency ของคนไทยที่มีให้เลือกมากมาย อีกทั้งมีมูลค่าไม่เบาเลยทีเดียวเมื่อเทียบกับเงินดิจิตอลสกุลต่างประเทศ
      กองทุนเปิด แอสเซทพลัส ท็อปแบรนด์ (ASP-TOPBRAND) ร่วมเป็นเจ้าของสุดยอดแบรนด์ชั้นนำของโลก พร้อมรับโอกาสต่อยอดเงินลงทุนในทุกสภาวะ • สร้างโอกาสรับผลตอบแทนสูงจากหุ้นในบริษัทที่มีแบรนด์ที่เป็นผู้นำ แข็งแกร่งและอยู่ในใจของผู้บริโภค • มีรูปแบบธุรกิจที่สามารถสร้างกำไรได้ในทุกสภาวะเศรษฐกิจ ยากต่อการถูกแทนที่จากธุรกิจใหม่ๆ (Disruption) • ลงทุนในบริษัทที่เป็นผู้นำตลาดทั้งในด้านผลิตภัณฑ์และบริการรวมถึงมีส่วนแบ่งการตลาดเป็นอันดับต้นๆของโลก • มุ่งเน้นลงทุนในบริษัทที่มีนโยบายและกลยุทธ์ที่เอื้อต่อการเติบโตของธุรกิจอย่างยั่งยืน • ผ่านกระบวนการคัดสรรเชิงรุกและเข้มเข้นเพื่อสร้างกำไรได้สม่ำเสมอในทุกสภาวะ • ลงทุนขั้นต่ำเพียง 5,000 บาท • ซื้อ-ขาย ได้ทุกวันทำการ รายละเอียดกองทุนเพิ่มเติมหรือติดต่อเจ้าหน้าที่แนะนำการลงทุนคลิก https://www.assetfund.co.th/adv/fund/ASP-TOPBRAND —————————— ติดตามข้อมูลข่าวสารจาก บลจ.แอสเซท พลัส Website : www.assetfund.co.th Fackbook : https://www.facebook.com/aspfund YouTube : https://bit.ly/2Wh8N4N Blockdit : https://bit.ly/38VxAjQ Application ASP FUND : http://bit.ly/2MFVx6z “การลงทุนมีความเสี่ยง ผู้ลงทุนโปรดทำความเข้าใจลักษณะสินค้า เงื่อนไขผลตอบแทนและความเสี่ยงก่อนตัดสินใจลงทุน” ผลการดำเนินงานในอดีตไม่ได้เป็นสิ่งยืนยันถึงผลงานในอนาคต #ASPTOPBRAND #TOPBRAND #AssetPlus #ASP #Investment #ASPFUND
      กรณีศึกษา Skype วิดีโอคอล ที่โลกลืม ย้อนกลับไป “มาคุย Skype กัน” อาจเคยเป็นคำฮิตติดปาก ของใครหลายคน และใช้เรียกแทนการติดต่อสื่อสารผ่านทางวิดีโอคอล
      ต้นทุนมีก็ต้องใช้สิ😁😁😁 ช่วงนี้ข่าวแม่ค้าแต่งตัววาบหวิวเรียกลูกค้าเยอะนะครับ
      ดูทั้งหมด