Die Lösung

Im ersten Jahrzehnt der 2000er Jahre hat das Unternehmen die Sicherheit im Straßenverkehr verbessert, indem es die technischen und regulatorischen Standards erhöht, die Automobiltechnologie und das Tutor-System eingesetzt und robuste und konsolidierte interne Verfahren eingeführt hat. In den letzten 10 Jahren wurde jedoch ein Plateau erreicht. Um den nächsten Schritt auf dem Weg zur „Vision Zero“ - der Abschaffung der Zahl der Verkehrstoten - zu machen, musste das Unternehmen von reaktiven Sicherheitsmaßnahmen zu proaktiven, prädiktiven Strategien übergehen. Obwohl es Zugang zu riesigen Datenmengen hatte, darunter 750 Millionen Zeilen aus mehr als einem Jahrzehnt, die über 5.000 km Autobahnen und 130.000 aufgezeichnete Unfälle abdeckten, bestand die Herausforderung darin, diese Rohdaten in präzise, umsetzbare Erkenntnisse umzuwandeln. Die Komplexität der Analyse von Unfallwahrscheinlichkeiten - unter Berücksichtigung des menschlichen Verhaltens, der Infrastrukturbedingungen und der unvorhersehbaren Verkehrsdynamik - stellte ein erhebliches Hindernis für den Fortschritt dar. Mit dem Ziel, dem Unternehmen ein vollständig datengesteuertes Modell zur Verfügung zu stellen, nutzten wir KI und maschinelles Lernen in der AWS-Cloud-Infrastruktur, um eine Lösung zu entwickeln, die den Übergang von einem reaktiven zu einem proaktiven Ansatz bei der Verkehrssicherheit unterstützt.

Unser Team integrierte akademische Forschung, historische Unfalldaten und Verkehrsmuster in Echtzeit in ein hybrides Analysemodell. Mithilfe fortschrittlicher Metriken wie Crash Modification Factors identifizierten wir die wichtigsten Risikofaktoren, während Szenarioanalyse-Tools die Planung präventiver Sicherheitsmaßnahmen optimierten. Um einen nahtlosen Übergang zu gewährleisten, setzten wir zwei Minimum Viable Products (MVPs) ein und testeten und verfeinerten das Modell vor der vollständigen Implementierung. Dadurch wurde die Skalierbarkeit sichergestellt und die Genauigkeit der Vorhersagen maximiert.

Durch die Kombination von statistischen Formeln mit KI-gestützten Modellen stellte Avvale eine Lösung bereit, die es dem Kunden ermöglicht, die Unfallwahrscheinlichkeit für jeden Autobahnabschnitt genau zu bewerten, was ein bisher unerreichtes Maß an Voraussicht ermöglicht. Unsere agile Methodik stellte sicher, dass das Modell kontinuierlich weiterentwickelt und an neue Daten angepasst wird, um das langfristige Engagement des Kunden für intelligente Infrastrukturen und nachhaltige Mobilität zu stärken.