Az idei év májusában a Kaliforniai Egyetem Los Angeles-i és Irvine-i szakértőiből álló kutatócsapata meglepő javaslatot fogalmazott meg a Jama Surgery című szakmai magazinban megjelent publikációban: vizsgálataikra alapozva azt állítják, a Waze közösségi navigációs alkalmazás adatait alapul véve lecsökkenthető lenne a balesetek esetén a hatóságok és a mentők reakcióideje.

A Waze-nek négy éve van egy olyan együttműködési modellje, amelyben a városoknak átadja a forgalmi adatokat, cserébe pedig valós idejű információkat kér az aktuális változásokról, lezárásokról, vagy bármi olyan problémáról, amellyel az útvonaltervezés során érdemes számolni.

A Google tulajdonában levő alkalmazásból származó adatokat kaliforniai autópályarendőrség statisztikáival összehasonlítva arra a felismerésre jutottak, hogy

a Waze felhasználói átlagosan 2 perc 41 másodperccel korábban jelzik az eseményt az alkalmazásban, mint hogy a hatóságokhoz az értesítés és segítségkérés a hivatalos csatornákon befutna.

Sean Young, a publikációt készítő csoport vezetője, a Kaliforniai Egyetem előrejelzésekkel foglalkozó programjának igazgatója szerint a közel három perc nem feltétlenül jelent minden esetben élet-halál kérdést. Abban ugyanakkor mindenki egyetért, hogy ha átlagosan 20 és 60 százalék közötti mértékben lehetne a technológia és az adatok segítségével mérsékelni a mentőegységek reakciójáig eltelt időt, az jelentős hatással lehetne a sérültek ellátására.

Hasonló eredményre jutott a tavalyi évben a Cambridge állam beli Volpe National Transportation Systems Center is, amely Maryland hivatalos baleseti statisztikáit és a Waze adatait hasonlította össze egy hat hónapos időszakban. A kutatás során a közösségi alkalmazás adataiból fel tudtak építeni egy olyan számítógépes modellt, amely szorosan követte a rendőrség kimutatásait, sőt bizonyos esetekben még többet is mutatott azoknál. A felhasználóktól összegyűjtött adatok ugyanis tartalmaztak olyan eseményeket, amelyek nem voltak annyira súlyosak, hogy a hatóságokat is értesítsék, de elég jelentősek voltak ahhoz, hogy a közlekedésben fennakadásokat okozzanak. A szakemberek az elemzések alapján úgy vélik, hogy a modell alkalmas lehet a balesetek előrejelzésére, a kockázatos pontok beazonosítására.

A problémakör megoldása összességében azomban nem ilyen egyszerű, ugyanis balesetek rendkívül ritkán fordulnak elő. Bár gyakorinak gondolhatjuk őket, az NHTSA (National Highway Traffic Safety Administration) adatai szerint 100 millió autóval megtett mérföld (kb. 161 millió kilométer) alatt mindössze átlagosan 9 személy sérül meg balesetben. A számítógépes modellek egyik gyenge pontja pedig, hogy nem igazán hatékonyak a ritkán bekövetkező események megjósolásában.

Tristan Glatard, aki a Concordia Egyetem informatikai professzoraként a csapatával a balesetek előrejelzési lehetőségeit kutatja, így fogalmazott: “Balesetek ritkán történnek, a modellek pedig valószínűleg elszalasztják ezeket az eseményeket, mert ezek nem elég gyakoriak ahhoz, hogy jelezni tudjuk őket. Az egész olyan, mint tűt keresni a szénakazalban.”

Ha mégis sikerülne egy ilyen tűt megtalálni – feltételezve, hogy az utakat folyamatosan adatot szolgáltató infrastruktúrával látjuk el, majd ebből előrejelzéseket készítünk -, az kétségkívül előnyös lenne. A mentők hamarabb érkezhetnének a helyszínre, hogy ellássák a sérületeket, a hatóságok pedig hatékonyabban észlelhetnék a problémás területeket.

Bár látható, hogy a probléma megoldása nehéz, sokszor költséges, és minden esetben komplikált, az amerikai városok, a kutatók és a szövetségi közlekedési hatóságok is folyamatosan dolgoznak azon, hogy eredményeket érjenek el ezen a téren. A kutatásokat olyan városokkal folytatják, amelyek érdemben fel is akarják használni az így kinyert információkat.

Tennessee-ben az államigazgatás kutatói az autópályarendőrséggel szoros együttműködésben azon dolgoznak, hogy a Waze adatait az állam baleset-előrejelző modelljébe integrálják, így a jelenlegi négy órás időablakról és 42 négyzetmérföldes területről egy órára és egy négyzetmérföldre tudják szűkíteni az előrejelzések pontosságát.

A Washington államban található Bellevue városában egy interaktív térkép készült, amelynek segítségével a baleseti mintázatok és -kockázatok könnyebben azonosíthatóak. Ha egy adott helyszínen az átlagosnál több esemény történik a bejelentések szerint, akkor az adott területről begyűjtik a térfigyelő kamerák felvételeit, és elkezdik kielemezni azokat, a lehetséges kiváltó okok után kutatva.

Forrás: Bellevue város, Washington állam

Bellevue azért is lehet ideális helyszín a technológia tesztelésére és a kísérletezésre, mert már korábban is tudatosan gyűjtötték és elemezték a rendőrség baleseti statisztikáit, illetve a telefonon beérkező hívásokat. Sok más helyen ezek az adatok egyáltalán nem, vagy csak elemzésre alkalmatlan formában érhetők el, így ilyen programok során nem használhatók fel hatékonyan.

Ebben az esetben a lehetőségek adottak arra, hogy összehasonlítsák, hogy a közösségi navigációs alkalmazásban bejelentett események mennyire egyeznek a valósággal. Nehéz feladat megtalálni az ideális megoldást, a Waze-ből kinyerhető információk ugyanis nem használhatók fel egy az egyben arra, hogy a 911-re érkező telefonhívásokat kiváltsák. Hibás bejelentések, vagy kisebb koccanások esetén előfordulhat, hogy feleslegesen riasztaná a rendőrséget és a mentőket a rendszer, így lefoglalná őket olyan feldatokkal, amelyeknél nem indokolt a jelenlétük, miközben elvonná az erőforrásokat a valós, súlyosabb események kezelésétől.

A Concordia Egyetem kutatócsapata a kutatások jelenlegi fázisában azt javasolja a nemrég kiadott tanulmányában, hogy három különböző adatforrás összefésüléséből érdemes előrejelzéseket készíteni. A város útjairól begyűjtött információkból, a jelzett balesetek adataiból, valamint az időjárási körülményekből együttesen 85%-os valószínűséggel jósolhatók meg a balesetek az álláspontjuk szerint. Ez azt jelenti, hogy a vélt esetek egy nyolcada valójában sosem következik be, ezért azt tartanák célszerűnek, hogy a hatóságok ne a mentőcsapatok irányításához használják fel a modellt, hanem a forgalom dinamikus irányításához: ha úgy tűnik, hogy egy adott szakaszon az adott időjárási viszonyok között nagyobb a baleset esélye, csökkentsék ott a forgalmat és tereljék más útvonalakra az autósokat.