由麻省理工学院计算机科学与人工智能实验室的 CSAIL 和卡塔尔计算研究所的 QCRI 领导的一个研究小组开发了一个模型，通过深度学习预测高分辨率碰撞风险。该模型可以使用过去的磁数据、路线图和卫星图像识别交通事故高风险区域，并创建一个预测未来事故的风险地图。
尽管交通事故发生频率较低，但交通事故造成的损失占全球 GDP 的 3%，是儿童和青少年死亡的第一大原因。据研究小组称，交通事故的罕见性使得创建高分辨率地图变得困难。如果以5×5m的精度假设发生交通事故，一年内发生事故的概率为千分之一，可以说在同一地点发生事故的可能性很小。
研究团队不仅使用了事故记录，还使用了指示交通密度、速度和方向的 GPS 轨迹模式，以及指示车道数量、路边存在、行人数量和道路结构的卫星图像。创建了一张风险地图，显示了事故发生的可能性。据研究小组称，即使在迄今为止没有事故记录的地方，也有仅根据交通模式和地形就被判断为高风险的地区。
研究小组指出，尽管迄今为止已经尝试预测交通事故的风险并重复绘制地图，但由于预测精度低至数百米，因此细节模糊且重要部分看不到。相比之下，研究组公布的风险图以5×5米为单位，重点是分辨率比之前高很多。
为了评估这个 AI 模型和风险图，科学家们使用 2017 年和 2018 年的数据测试了其 2019 年和 2020 年的碰撞预测性能。 结果发现，输入数据实际上发生在识别出事故风险的地方在没有事故记录的地区如此之高。
研究小组表示，该模型可以通过结合数据中的几条线索来预测未知区域的碰撞图。另外，如果用危险地图标注潜在的高风险道路，可以提前降低出行风险。据说要告知相关信息可以在这里找到。