您现在的位置是：首页 > 科技网站首页科技

尽管受到大流行的限制，但到2020年马德里仍发生超过12,000起交通事故，造成31人死亡。在巴塞罗那，发生了5700多起撞车事故，造成14人死亡。行人和车辆安全是当务之急，这就是加泰罗尼亚欧贝塔大学(UOC)的一项研究项目正在利用人工智能(AI)做出使城市更安全的决策的原因。研究人员研究了某些城市地区的复杂性与该地区发生事故的可能性之间的相关性。

根据研究人员的说法，他们收集的数据可用于训练神经网络，以检测某个区域中可能存在的危害，并找出与这种高风险潜力相关的模式。以克里斯蒂娜·布斯托斯(Cristina Bustos)和哈维尔·博尔格(Javier Borge)为首的研究人员正在研究有助于交通管理部门减少城市环境中事故可能性的算法。

在跨学科研究是由两个UOC研究小组，复杂系统进行@ IN3(CoSIN3)，从网上跨学科研究所(IN3)，以及场景理解和人工智能实验室(苏奈)，从计算机科学，多媒体和学部电信与西班牙国家交通管理局(DGT)，马德里市和巴塞罗那市议会，麻省理工学院(MIT)的学术分支机构以及Rovira i Virgili大学计算机工程和数学系的ÀlexArenas( URV)。

事故与城市场景：有什么联系?

据研究人员称，他们所谓的“城市场景”的视觉布局会影响事故发生的可能性。CoSIN3的成员，最近在该项目上发表的科学文章的第一作者克里斯蒂娜·布斯托斯(Cristina Bustos)表示：“我们的发现表明，场景布局中某些模式可能会影响事故发生率。”

对于研究人员而言，关键因素(例如街道家具的布置，停放的汽车的位置，广告和立面)增加了驾驶员的注意力。“我们的发现表明，我们掌握的不仅是一个假设，” CoSIN3的首席研究人员哈维尔·博尔格(Javier Borge)说。“似乎很清楚的是，场景中不同元素的数量与那里发生的事故数量相关。”

理解这种关联背后的原因是问题的症结所在。博尔格说：“人工智能确定了可能存在危险的地方，但并没有告诉我们原因。这就是为什么我们转向某些解释技术，例如本研究中使用的那些技术，使我们更接近答案。尽管我们需要为进一步开展这一研究，毫无疑问，交通事故的发生有多种原因，并且是多种原因结合在一起的。我们的研究表明，场景布局是一个需要牢记的因素。”

根据伯格(Borge)的说法，他和他的同事们假设场景的复杂性会影响人类的认知局限性。他说：“如果场景非常复杂，我的认知系统就会承受更大的压力，这可能会削弱我避免意外事件发生的能力。” 这是人工智能的外部帮助的来源，它应用算法来识别复杂的城市格局。

使用算法减少事故发生的可能性

人工智能提高了它的可能性，特别是自从出现诸如神经网络和机器学习之类的技术以来。前者是从大脑的可塑性知识发展而来的计算模型，而后者是AI的一个分支，它允许机器学习而无需经过专门编程来进行学习。UOC研究小组采用的技术正是基于这些概念。

克里斯蒂娜·布斯托斯(Cristina Bustos)表示：“我们将深度学习(一种基于一组机器学习算法的机器学习类型)应用于计算机图像处理。” 根据研究人员的说法，“这些算法的目的是识别照片或视频中的图案，以执行特定任务，例如识别出现的物体及其位置或识别图像的一般背景，甚至更多。复杂的任务，例如识别图像或视频在人体内引起的情感。”

研究人员采用卷积神经网络，之所以如此命名，是因为他们在输入图像上以及整个网络层上应用了一种称为“卷积”的操作。Bustos说：“应用此操作，网络学会辨别顶层的简单图案，例如线条，边缘，纹理，颜色和角，并且越深入越复杂。最后，网络是能够识别人脸或汽车等复杂图案。

这种类型的网络需要进行培训以执行任务，并在研究人员指示其执行情况是否良好时一遍又一遍地重复这些过程。克里斯蒂娜说：“我们不会从头开始训练网络，而是使用已经被指示执行另一项任务(例如识别人或动物)的网络，并且我们利用这一知识来教它识别危险的物体和模式。可能会导致事故。”

AI，城市规划者的最大盟友

Bustos说：“神经网络的挑战之一是，由于它们的深层，非线性和复杂的性质，我们无法控制它们正在学习的模式。” “这就是为什么我们转向其他深度学习技术的原因，例如图像分割和类激活映射。” 她澄清说，前者通过像素确定图像中的对象，而后者则映射了网络中要获取结果所要查看的图像区域。

哈维尔·博尔格(Javier Borge)指出：“人工智能使我们成为发现问题可能发生的非常强大的工具，但它不会自行解决。” 因此，团队开发了一种启发式方法来改善城市景观，根据Borge的说法，“如果没有人在后面，那是毫无价值的”，例如城市规划师，建筑师或工程师，他们可以根据以下内容来验证和实施更改：算法驱动的数据。

在人工智能的支持下，研究人员正在研究多种危险的城市格局。Bustos说：“目前，我们正在分析视觉场景如何影响驾驶员的压力。” 因此，研究人员认为，这种类型的技术可以为DGT之类的机构大量使用，以期为车辆和行人设计更安全的城市。总之，Borge说：“我们最大的障碍是数据的可用性：分析需要收集大量的街景图像以及关于事故发生率的公开的，地理定位的数据，以及涉及的相关细节，而这目前尚不容易获得。”