新南威尔士州交通局 (TfNSW) 正在使用人工智能开发预测算法，以帮助国家、州和地方政府管理其道路安全绩效。
《2018-2020年全国道路安全行动计划》提出了90%的国道和80%的国道达到三星级以上安全标准的目标。 迄今为止，评估道路标准主要依赖于采集视频测量画面和人工记录的方法。
TfNSW 现已与 iMove 合作研究中心 (CRC)、悉尼科技大学、国际道路评估计划 (iRAP) 和地理空间数据公司 Anditi 合作，开发一种更快、更自动化的方法来提取原始道路数据。
作为该计划的一部分，被称为加速和智能道路评估程序数据收集 (AiRAP) 项目，该小组计划使用 TomTom 的 MN-R 下一代地图数据为新南威尔士州 20,000 公里的道路提供所谓的可用数据，作为 以及激光雷达数据的提取技术和机器学习。 还将对当地、州和国家高速公路的样本进行试点评估，以证明这些方法。
“使用人工智能和机器学习技术收集数据有可能降低成本并提高数据的频率和准确性，”项目经理和 iRAP 全球创新经理 Monica Olyslagers 说。
“使更快、更实惠的数据收集成为可能意味着可以每年对整个道路网络进行安全评估。”
iMove CRC 认为该计划将有助于开放现有和新兴数据源，从而有助于改进道路安全评估。
“使用 AI 等技术来增强我们的安全政策工具套件是向前迈出的一大步。这些强大而有洞察力的工具可以为政府进行合理的投资提供信息，以挽救生命并通过减少成本为家庭、社区、企业和卫生系统带来重大利益。 道路创伤，”iMOVE CRC 常务董事 Ian Christensen 说。
去年年底，TfNSW 与微软合作开发了一个概念验证，该概念使用数据和机器学习来标记潜在危险的十字路口并减少道路交通事故。
作为概念验证的一部分，新南威尔士州交通局在卧龙岗进行了一项试验，以发现五个具有潜在风险的十字路口。 在使用 Databricks 和 Azure 管理、摄取和解释数据之前，它涉及 50 辆汽车在 10 个月内生成了超过 10 亿行数据。
远程信息处理数据用于识别十字路口前的速度、急刹车、急加速和横向移动。 然后将其与现有碰撞调查数据的模式进行比较。
自试行以来，五个十字路口中的两个已计划进行改造。
