私は昨年の夏から定期的に自転車に乗るようになった。出張のたびに、健康を保つため、もしくは都市を散策するための手段として自転車を使うようにしている。また、数え切れないほど自転車でキャンプに出かけたが、そのほとんどは私が住んでいるミネソタ州だ。

昨年、カリフォルニア州マウンテンビューに行った際、初めて自転車事故を目撃した。それほど深刻なようには見えなかったが、改めて言うと、たとえ自分が軽やかに身をこなして避けられる人だとしても、自転車に乗っている時に車とぶつかるのは、常に深刻な事態だ。

自転車事故を減らすために AI を使った実験プロジェクトを Tome Software という会社が始めると知った時、私はこれに注目をした。これは、典型的な AI のユースケースではない。マシーンラーニングの使われ方の多くは、スマートホームの統合、自動運転車、Facebook のボット、旅行や天気予報のチェックを容易にするアプリなどに限られている。

自転車は、ごくありふれた存在とみなされている。レジャー活動の手段ではある。しかし繰り返して言えば、大半の人が子ども時分に、もしくは成人して乗るもの。広く楽しまれているが、その危険性はやや見過ごされがちだ。

私は Tome Software による研究へのアプローチ方法が気に入っている。同社は、ミシガン大学の Mcity（同大学の実験施設） にある TechLab で Trek 製自転車に実際に人に乗ってもらうことで試験を開始するという（Tome をはじめ輸送セクターで操業している企業の多くはデトロイトを拠点としている）。実験では、同社 CEO の Jake Sigal 氏が私に語ってくれたこと、すなわち、車が横からまたは後方から自転車にぶつかるという最も典型的な事故の対処に集中して取り組む予定だ。自転車が車の横もしくは後方という危険な位置に入った際、自転車に乗っている人と車の運転手の双方にアラートを送るシステムを作る予定である。

これこそ、マシーンラーニングが使える領域だ。複数のデータセットの相関関係を調べ、最も自転車が危険に遭遇しやすい共通のエリアについて、AI が1日のうちの時間（夜明け時のまぶしい太陽の光が差す時間など）、道路の状況（速度規制や路肩の幅）、車と自転車が関係する既存の事故データなどの情報を分析する。この研究では、車や自転車に付けられたライダーセンサーが実際に路上で検知するところまで実施される。

AI は、自転車に乗る人と車の運転手の気を散らさないようにするために警告の数が減少するように設計されている。Sigal 氏によると、このテストで重要なのは、自転車が危険な状態にあり、かつ事故が起きやすいレッドゾーンにあるときだけシグナルが出されるところだとしている。

Sigal 氏はこのように話している。

コンピュータや無線周波（RF）技術にとって本当に難しいのは、自転車が車道脇の安全なレーンにいるのか、車道上にいるのかを見分けることです。

ミシガン南西部にある私たちのコミュニティの多くでは、大きな通り沿いに車と自転車にとって安全な自転車専用レーンが設けられています。ML/AI と協力することで、警告アラートで間違ったサインを出す回数を減らす手助けができればと思います。不必要で誤ったアラートを送るわけにはいきませんが、AI/ML が手助けしてくれるでしょう。

Trek のブランドマネージャーである Eric Bjorling 氏はプレスリリースの中で、ここにあるアイデアは、サイクリストにとって最も基本的なニーズの充足を確保することだと述べた。それは、自分の横を通り越す車からの危険に関する警告を受けることである。

現時点で Tome はまだ Trek との新たな研究を始めたばかりであるが、個人的にはこれを興味深い調査プロジェクトだと思う。最も危険な交差点にいる車と自転車の双方に警告を出すことで自転車事故を減らす取り組みだからだ。プロジェクトが加速していくことを願うことにしよう。

【via VentureBeat】 @VentureBeat

【原文】