Maskinlæring for tryggere veger

Transkript

1 Maskinlæring for tryggere veger Vebjørn Axelsen, leder for avanserte analyser, BearingPoint Teknologidagene, 30. oktober 2018

2 Antall dødsfall på norske veger har gått jevnt ned siden 70-tallet, til tross for stor økning i trafikk Hvordan? 0

3 PROBLEMSTILLING Hvilke egenskaper ved vegen og vegens omgivelser kjennetegner ulykkesutsatte vegstrekninger?

4 Data

5 Vi benytter åpne data for å beskrive problemet, på tvers av vegutforming, demografi og klima NVDB SSB Meteorologisk institutt km veg (ERF) 45 prioriterte forklaringsvariabler Data på geografiske rutenett 14 prioriterte forklaringsvariabler 504 værstasjoner 18 prioriterte forklaringvariabler Belysning, rekkverk, fartsgrense, fotobokser, broer, tunneler, kryss, kurvatur, vegklassifiseringer, Trafikkulykker Befolkning, bygningsmasse, landbruk Nedbør, temperatur, luftttrykk

6 Det kontinuerlige vegnettet kappes i risikohomogene vegsegmenter: hver vesentlige endring langs veien gir et kapp NVDB SSB Endret fartsgrense Rekkverk innføres Vegsegment 3 Fartsgrense 50 Rekkverk: Ja Vegsegment 2 Fartsgrense: 80 Rekkverk: Ja Met. institutt Vegsegment 1 Fartsgrense: 80 Rekkverk: Nei

7 Demografiske data legges på vegsegmentene fra SSBs rutenett i kart NVDB Befolkning: 504 Vegsegment 3 Fartsgrense 50 Rekkverk: Ja Befolkning: 504 SSB Met. institutt Befolkning: 318 Vegsegment 2 Fartsgrense: 80 Rekkverk: Ja Befolkning: 504 Vegsegment 1 Fartsgrense: 80 Rekkverk: Nei Befolkning: 318

8 Månedlige værdata aggregeres til 6-års klimavariabler, og legges på vegsegmentene basert på nærhet til værstasjoner NVDB SSB Met. institutt Befolkning: 504 Befolkning: 318 Vegsegment 3 Fartsgrense 50 Rekkverk: Ja Befolkning: 504 Nedbør: 18 Vegsegment 2 Fartsgrense: 80 Rekkverk: Ja Befolkning: 504 Nedbør: 18 Vegsegment 1 Fartsgrense: 80 Rekkverk: Nei Befolkning: 318 Nedbør: 18 Temperatur: 12

9 En risikokategori tilordnes hvert segment ved å beregne påløpt risiko per kjøretøykilometer Historiske ulykker kobles til vegsegmenter Risikoscore beregnes Høyrisikosegmenter identifiseres Alvorlighetsgrad ulykke: Drept: 10 Alvorlig skadd: 5 Lett skadd: 1 Uskadd: 0 Normalisering: Segmentlengde Årsdøgntrafikk (ÅDT) Høy Lav Topp 6 % Risikoscore = Vektet sum av ulykker Segmentlengde ÅDT

10 Med dette har vi det norske ERF-vegnettet beskrevet som et flatt datasett, der hver rad beskriver ett vegsegment i detalj Høy Lav Vegsegment 1 Vegsegment 2 Vegsegment 3 Vegegenskaper Demografi Klima Risikoklasse Vegsegment 115K Høyrisiko Lavrisiko

11 Analyse

12 Vi benytter algoritmer innen ledet maskinlæring (supervised learning) til å finne mønstre INPUTDATA Egenskaper ved vegen MASKINLÆRING Algoritmer finner mønstre MODELL Beskriver risiko OUTPUTDATA Historisk ulykkesrisiko

13 Vi betrakter vegsegmentene i et n-dimensjonalt rom, og søker etter lommer med vesentlig overrepresentasjon av høyrisiko Fartsgrense Datasett High-risk Low-risk Rule ÅDT

14 Prosessen for å finne de mest verdifulle sammenhengene drar vesentlig nytte av domenekunnskap Uttømmende søk Prioritering og minimering Regelvalg ~2 millioner regler: Resultat fra uttømmende søk ~150 regler: Gjenstående etter krav til signal og fjerning av overlappende regler 9 regler: Regler prioritert av Trafikksikkerhetsseksjonen for utdypende beskrivelse i rapport

15 Reglene gir lettforståelige beskrivelser av egenskaper som i kombinasjon kjennetegner ulykkesutsatte strekninger EKSEMPEL: Svingete fylkesveier med høyere fartsgrense og en del trafikk 80+ Fylkesveg 3+ kurver (r < 300m) Fartsgrense ÅDT Disse vegene har 2,28x ulykkesrisiko sammenlignet med snittet, og omfatter 1,3 % av total trafikk

16 Supplerende analyser

17 Trafikkmengde er en dominerende faktor, og en supplerende analyse går derfor i dybden på ÅDT , tofelts veg Utvalg: ÅDT [1000, ] < 4 kjørefelt Ikke rampe REGELGRUPPER Tettbebygd strøk Ubelyste veger Kryss Kurvatur (horisontal) Lav/middels vinterdrift Smalt dekke + høy trafikk

18 EKSEMPEL: Veg med krapp sving og relativt høy fartsgrense, på vinterdriftsklasse DkC, i befolket område DkC Vinterdrift DkC 1+ kurver (r<200m) Fartsgrense Befolket område Disse vegene har 1,41x ulykkesrisiko sammenlignet med snittet, og omfatter 3,7 % av total trafikk

19 OPPRINNELIG PROBLEMSTILLING Hvilke egenskaper ved vegen og vegens omgivelser kjennetegner ulykkesutsatte vegstrekninger? PROBLEMSTILLING #2 Hvilke egenskaper kjennetegner enkeltulykker med alvorlig utfall? Alvorlighetsgrad ulykke Drept (Meget) Alvorlig skadd Lett skadd Uskadd Vår definisjon Alvorlig utfall Ikke alvorlig utfall

20 EKSEMPEL: Mannlige førere på ubelyste veger med stiplet kantlinje Stiplet kantlinje Kun mannlige førere Mørkt uten vegbelysning Disse ulykkene har 1,75x så ofte alvorlig utfall som snittet, og dekker 1,9 % av analyserte ulykker

21 Relativ Lift risiko Gradvis avgrensning viser hvordan risikoen endrer seg innenfor utvalget 1,8 1,7 1,6 1,5 1,4 1,3 1,2 1,1 1 Broken Stiplet edge line No Kun female mannlige drivers Mørkt Dark without uten kantlinje førere vegbelysning street lights Dark Mørkt with med street vegbelysning lights Increase Økning Decrase Reduksjon

22 Vegsegmentanalyse: Hele vegnettet Vegsegmentanalyse: Tofelts med betydelig trafikk Enkeltulykkesanalyse