Predizione di incidenti secondari in tempo reale

Un nuovo studio presenta un sistema per la predizione in tempo reale della probabilità di incidenti secondari sulle autostrade. La particolarità di questo sistema è che non si basa su dati relativi al primo incidente (tipo di incidente, gravità, ecc.), che spesso non sono disponibili immediatamente.

Metodologia

Il framework proposto utilizza un approccio ibrido. Un sistema a finestra spazio-temporale dinamica estrae dati in tempo reale sul flusso del traffico e le condizioni ambientali a partire dal luogo del primo incidente e dai segmenti di strada a monte. Il sistema include tre modelli:

  • Un modello per stimare la probabilità del primo incidente.
  • Due modelli per valutare le condizioni del traffico nel luogo dell'incidente e nei segmenti a monte, in scenari comparativi diversi.

Per migliorare le prestazioni predittive, è stata implementata una strategia di ensemble learning che integra sei algoritmi di machine learning. Un meccanismo basato su votazione combina gli output dei tre modelli.

Risultati

I test sulle autostrade della Florida hanno dimostrato che il framework identifica correttamente il 91% degli incidenti secondari, con un basso tasso di falsi allarmi (0.20). L'Area Under the ROC Curve (AUC) è migliorata da 0.654, 0.744 e 0.902 per i singoli modelli a 0.952 per il modello ibrido, superando i risultati di studi precedenti.