Fuente: Unsplash/CC0 Dominio público
Los investigadores han desarrollado un modelo novedoso de inteligencia artificial (IA) que combina un algoritmo basado en el forrajeo de colonias de abejas y comportamientos de forrajeo con una red neuronal de ondas difusas para predecir con precisión los accidentes de tráfico.
El algoritmo de colonia de abejas artificiales es un algoritmo de inteligencia de enjambre que se ha utilizado para resolver problemas complejos de optimización en el pasado. Ahora escribiendo en Revista Internacional de Ciencias de la Computación y Matemáticas, Zhicheng Li del Departamento de Transporte Ferroviario Urbano e Ingeniería de la Información de la Facultad Técnica y Vocacional de Comunicaciones de Anhui en Hefei, China, introdujo operaciones de mutación autoadaptativas para superar las limitaciones conocidas del algoritmo. El uso de una red difusa wavelet acorta el tiempo necesario para resolver un problema y mejora su capacidad para encontrar una solución.
El algoritmo de la colonia de abejas artificiales consta de abejas obreras, abejas vigilantes y abejas exploradoras. Las abejas obreras exploran soluciones basadas en principios específicos, mientras que los observadores seleccionan soluciones prometedoras utilizando la información proporcionada por las abejas obreras. Los exploradores introducen nuevas soluciones aleatorias para aumentar la variedad de posibles soluciones en el procesamiento de datos.
En un proceso iterativo, el algoritmo se acerca a una solución óptima o casi óptima del problema, en este caso, la naturaleza de los accidentes de tráfico. Una red neuronal de ondículas difusas utiliza lógica difusa y varias herramientas estadísticas dentro de una red neuronal convencional para manejar la incertidumbre y la imprecisión en los datos.
Li ejecutó simulaciones por computadora con el sistema para ver qué tan bien podía predecir muertes de tránsito en función de varios factores relacionados con un incidente específico.
“Las simulaciones por computadora muestran que este método de predicción explota completamente la capacidad de aproximación del modelo de red neuronal wavelet no lineal, mejora efectivamente la velocidad de convergencia y la eficiencia del aprendizaje, y reduce la complejidad computacional”, escribe Li.
Este trabajo tiene el potencial de mejorar nuestra capacidad para predecir y prevenir accidentes viales fatales al permitir que los escasos recursos se asignen de manera más útil a medidas y estrategias proactivas de seguridad vial. La aparición de vehículos sin conductor en nuestras carreteras también tiene implicaciones.
Más información:
Zhicheng Li, Pronóstico de accidentes de tráfico basado en un algoritmo de colonia de abejas artificiales y una red neuronal de ondas difusas autoadaptable, Revista Internacional de Ciencias de la Computación y Matemáticas (2023). DOI: 10.1504/IJCSM.2023.131464