Waze डेटा कार दुर्घटनाओं और कटौती प्रतिक्रिया समय में मदद कर सकता है


ये रही चीजें कार दुर्घटनाओं के बारे में: वे धन्य हैं, बहुत दुर्लभ हैं। नेशनल हाइवे ट्रैफिक सेफ्टी एडमिनिस्ट्रेशन के आंकड़ों के अनुसार, अमेरिका में कारों में यात्रा करने वाले प्रत्येक 100 मिलियन मील के लिए मोटर वाहन दुर्घटना में नौ लोग घायल हो जाते हैं।

यहाँ कंप्यूटर आधारित मॉडल के बारे में बात है: वे दुर्लभ घटनाओं की भविष्यवाणी करने में महान नहीं हैं। कॉनकॉर्डिया यूनिवर्सिटी के कंप्यूटर साइंस के एसोसिएट प्रोफेसर ट्रिस्टन ग्लैटर्ड कहते हैं, "दुर्घटनाएं वैसे भी बहुत कम होने वाली हैं, और मॉडल दुर्लभ घटनाओं को याद करते हैं क्योंकि वे अक्सर पर्याप्त नहीं होते हैं।" ऐसा होने से पहले वे कार क्रैश की भविष्यवाणी कर सकते हैं। "यह एक हिस्टैक में सुई ढूंढना पसंद है।"

कुछ अच्छी चीजें हो सकती हैं यदि कोई व्यक्ति उस सुई को ढूंढ सकता है, अगर वे सड़कों और सड़कों को डेटा की धाराओं में बदलने में कामयाब रहे, और भविष्यवाणी करें कि वहां क्या हो सकता है। इमरजेंसी के जवाब देने वाले थोड़ी-थोड़ी तेजी से दुर्घटनाग्रस्त हो सकते हैं। सरकारी अधिकारी समस्याग्रस्त सड़क को देख सकते हैं और उसे ठीक कर सकते हैं।

ठीक है, यह भविष्य की भविष्यवाणी नहीं कर रहा है। लेकिन यह लगभग पूरा हो रहा है। भले ही यह कठिन है, और अक्सर महंगा है, और हमेशा जटिल है, शहरों, शोधकर्ताओं, और संघीय परिवहन विभाग बस ऐसा करने के लिए काम कर रहे हैं।

मई में, यूसीएलए और कैलिफोर्निया विश्वविद्यालय, इरविन के साथ चिकित्सा शोधकर्ताओं की एक टीम ने पत्रिका में एक पत्र प्रकाशित किया जामा सर्जरी यह सुझाव देते हुए कि कैलिफ़ोर्निया की जगहों पर भीड़-भाड़ वाले ट्रैफ़िक ऐप के डेटा का उपयोग करने में सक्षम हो सकता है, आपातकालीन प्रतिक्रिया समय में कटौती करने के लिए Waze। (वेज़ के पास चार साल पुराना कार्यक्रम है जो शहरों को ट्रैफ़िक डेटा देता है, जो वास्तविक समय की जानकारी के लिए ट्रैफ़िक डेटा देता है, जिसके उपयोगकर्ताओं को अचानक सड़क बंद होने से बचना चाहिए।) क्रैश डेटा के साथ Google के स्वामित्व वाली सेवा के डेटा की तुलना करके। कैलिफ़ोर्निया हाईवे पैट्रोल, शोधकर्ताओं ने निष्कर्ष निकाला कि वज़ यूज़र्स कानून प्रवर्तन को अलर्ट करने से पहले औसतन 2 मिनट, 41 सेकेंड क्रैश होने की ऐप को सूचित करते हैं।

यूसीएलए और यूसीआई में मेडिसिन के प्रोफेसर शॉन यंग, ​​जो भविष्यवाणी प्रौद्योगिकी के विश्वविद्यालय के कार्यकारी निदेशक के रूप में कार्य करते हैं, ने कहा कि लगभग तीन-मिनट का लीड समय हमेशा जीवन और मृत्यु के बीच का अंतर नहीं हो सकता है। लेकिन "अगर ये तरीके 20 से 60 प्रतिशत के बीच प्रतिक्रिया समय में कटौती कर सकते हैं, तो इसका सकारात्मक नैदानिक ​​प्रभाव होने जा रहा है," वे कहते हैं। "यह आम तौर पर इस बात पर सहमत था कि आप जितनी तेज़ी से आपातकालीन कक्ष में पहुँचेंगे, नैदानिक ​​परिणाम उतने ही बेहतर होंगे।"

पिछले साल, परिवहन विभाग के वोल्पे सेंटर ने मैरीज़ के छह महीने के वेज़ और दुर्घटना रिपोर्ट डेटा के अपने विश्लेषण को लपेटा, और कुछ ऐसा ही पाया: इसके शोधकर्ता क्राउडसोर्स जानकारी से एक कंप्यूटर मॉडल का निर्माण कर सकते हैं, जो पुलिस को रिपोर्ट किए गए क्रैश का बारीकी से अनुसरण करता है । वास्तव में, भीड़-भाड़ वाले डेटा के आधिकारिक क्रैश से अधिक होने के कुछ फायदे थे, क्योंकि यह ऐसे क्रैश को पकड़ लेता है जो कि रिपोर्ट किए जाने के लिए पर्याप्त नहीं थे, लेकिन गंभीर ट्रैफ़िक मंदी के कारण काफी बड़े थे। सरकारी शोधकर्ताओं ने लिखा है कि मॉडल "क्रैश जोखिम के शुरुआती संकेतक की पेशकश कर सकता है," यह पहचानने से पहले कि दुर्घटनाएं कहां हो सकती हैं।

अब, डीओटी अतिरिक्त शोध के लिए धन दे रहा है, इस बार उन शहरों के साथ जो वास्तव में डेटा का उपयोग कर सकते हैं। टेनेसी में, सरकारी शोधकर्ता राज्य के दुर्घटना-पूर्वानुमान मॉडल में वेज़ डेटा को शामिल करने के लिए राजमार्ग गश्ती के साथ काम कर रहे हैं, जिससे एक घंटे के भीतर वर्तमान-चार मील के बजाय एक घंटे के भीतर इसे सटीक बनाने की उम्मीद है। 42-वर्ग-मील ग्रिड। वाशिंगटन के बेलेव्यू में, डीओटी ने एक इंटरैक्टिव डैशबोर्ड बनाने में मदद की है जिसका उपयोग अधिकारी क्रैश पैटर्न और जोखिमों की पहचान करने के लिए कर सकते हैं। बेलवे ट्रांसपोर्ट प्लानर फ्रांज लोवेनहर्ज का कहना है कि अगर सड़क के एक ही हिस्से में क्रैश का एक गुच्छा हो रहा है, तो "हीटमैप चमकने लगता है।" शहर तब कारणों को देखने के लिए स्थानीय ट्रैफिक कैमरों से डेटा एकत्र करना शुरू कर सकता है।

बेलव्यू के क्रैश डैशबोर्ड का एक दृश्य। सबसे गंभीर और लगातार दुर्घटनाओं वाली सड़कों को लाल रंग में हाइलाइट किया गया है।

बेलेव्यू शहर, वाशिंगटन

इस तरह के डेटा प्रयोग के लिए बेलेव्यू एक अच्छा परीक्षण मामला है क्योंकि यह पहले से ही पुलिस दुर्घटना रिपोर्टों से डेटा एकत्र करने और समन्वय करने में बहुत अच्छा है और 911 कॉल इसकी परिवहन को मोड़ते हैं। (कई स्थानों पर अपनी पुलिस दुर्घटना रिपोर्ट को उन रूपों में भी रखने के लिए संघर्ष करते हैं जो सड़क योजनाकारों के लिए उपयोगी होते हैं, ताकि वे लगातार दुर्घटना के पैटर्न को देख सकें।)

साइकिल की सवारी करने वाले व्यक्ति ट्रैंडिटॉन हो सकते हैं, यह संक्रमण बिंदु एक स्थायी संघर्ष है

डीओटी बेलेव्यू का उपयोग यह जांचने के लिए कर सकती है कि भीड़-भाड़ वाले ट्रैफ़िक डेटा को वास्तव में जमीन पर क्या हो रहा है, के करीब है।

लेकिन इन प्रकार के ट्रैफ़िक डेटा प्रयोगों के मुख्यधारा में आने से पहले ही बहुत काम हो जाएगा – क्योंकि कुछ स्थान बेलव्यू जैसे हैं। केंटकी विश्वविद्यालय के एक इंजीनियरिंग प्रोफेसर क्रिस्टोफर चेरी, जिन्होंने हाल ही में पूरा किया है, कहते हैं, "आपके पास बहुत सारे डेटा, और विविध प्रकार के डेटा हैं, और फिर इसका विश्लेषण करने में सक्षम होने के बजाय इसे ठीक करने के लिए सक्षम होने के लिए सक्षम होना चाहिए"। सड़क सुरक्षा में सुधार के लिए ट्रैफ़िक डेटा का उपयोग कैसे किया जा सकता है, इसका एक अध्ययन। यातायात डेटा अपने आप में उपयोगी है, निश्चित है। लेकिन दुर्घटनाओं के जोखिम का अनुमान लगाने के लिए, और उन्हें रोकने के लिए, आपको संभवतः यह भी समझना चाहिए कि दुर्घटनाएं कहां हो रही हैं, और प्रश्न में सड़कें कैसी दिखती हैं, और वे सड़कें अलग-अलग मौसम की स्थिति में कैसा प्रदर्शन करती हैं। और फिर आपको उन सभी डेटासेट्स को लिंक करना होगा और उन्हें एक दूसरे से "बात" करने में मदद करनी होगी — कोई छोटी उपलब्धि नहीं।

UCLA और UCI में वापस, शोधकर्ता यह पता लगाने की कोशिश कर रहे हैं कि वे इसे और अधिक सटीक बनाने के लिए वेज ट्रैफिक की मालिश कैसे करते हैं। शोधकर्ता यंग कहते हैं कि 911 कॉल के लिए Google ट्रैफ़िक डेटा को कम नहीं किया जा सकता है, इसका एक अच्छा कारण है: ट्रैफ़िक डेटा के क्रैश होने की पहचान होने पर "झूठे सकारात्मक" बहुत होते हैं, या यह गंभीर नहीं है। चिकित्सा ध्यान देना। "यदि आप Waze डेटा का उपयोग सोने के मानक के रूप में करते हैं और किसी भी समय Waze उपयोगकर्ता एक कार दुर्घटना की रिपोर्ट करता है, तो आप पुलिस विभागों को सचेत करते हैं, तो आप उन्हें अपराध के लिए आवश्यक अन्य सभी प्रकार के संसाधनों से हटा रहे हैं, सार्वजनिक स्वास्थ्य और सुरक्षा के लिए," वह कहते हैं।

मॉन्ट्रियल के कॉनकॉर्डिया में ग्लेटार्ड और उनकी टीम ने हाल ही में एक पेपर जारी किया था जिसमें कहा गया था कि वे तीन डेटासेट – शहर की सड़क नेटवर्क पर, इसके क्रैश पर और इसके मौसम पर यह अनुमान लगा सकते हैं कि 85 प्रतिशत सटीकता के साथ क्रैश कहां हो सकता है। लेकिन हर आठ में से एक क्रैश के बारे में यह भविष्यवाणी करता है कि यह कभी खत्म नहीं होगा। आखिरकार, वह यह देखना चाहते हैं कि शहर के अधिकारी सड़कों के आसपास ड्राइवरों को रूट करने के लिए इस तरह की जानकारी का उपयोग करते हैं जो विशेष रूप से खतरनाक होते हैं जब यह चलता है। लेकिन सबसे पहले, वह मॉन्ट्रियल ट्रैफिक, और मॉन्ट्रियल पब्लिक ट्रांसपोर्ट और जिस तरह से मॉन्ट्रियल ट्रैफिक ड्राइव पर अधिक डेटा-डेटासेट पर मॉडल को प्रशिक्षित करना चाहता है। "मॉडल तब तक काम करता है जब तक हमारे पास अच्छे डेटा स्रोत हैं, और उनमें से बहुत से हैं," वे कहते हैं। ताकि किसी को दुर्घटना होने से पहले देख सकें, अल्प संख्यक रिपोर्ट-स्टाइल के लिए, उन्हें इकट्ठा करना होगा।


अधिक महान WIRED कहानियां