Des chercheurs ont développé un nouveau modèle d'intelligence artificielle (IA) qui combine un algorithme basé sur le comportement de détection et de recherche de nourriture des colonies d'abeilles avec un réseau neuronal à ondelettes floues pour prédire avec précision les accidents de la route

L'algorithme de colonie d'abeilles artificielles est un algorithme d'intelligence d'essaim qui a été utilisé pour résoudre des problèmes d'optimisation complexes dans le passé. Maintenant, en écrivant dans le Journal international de l'informatique et des mathématiques, Zhicheng Li du Département du transport ferroviaire urbain et de l'ingénierie de l'information du Anhui Communications Vocational and Technical College à Hefei, en Chine, a introduit des opérations de mutation auto-adaptatives pour surmonter les limitations connues de l'algorithme. L'utilisation d'un réseau de neurones à ondelettes floues réduit le temps nécessaire pour résoudre un problème et améliore ses capacités de recherche pour trouver une solution.

L'algorithme de la colonie d'abeilles artificielles se compose d'abeilles ouvrières, d'abeilles spectatrices et d'abeilles éclaireuses. Les abeilles ouvrières explorent des solutions basées sur des règles spécifiques, tandis que les spectateurs sélectionnent des solutions prometteuses en utilisant les informations partagées par les ouvrières. Les scouts introduisent de nouvelles solutions aléatoires pour booster la diversité des solutions possibles dans le traitement des données.

Par un processus itératif, l'algorithme converge vers une solution optimale ou quasi-optimale au problème, en l'occurrence la nature des accidents de la route. Le réseau neuronal à ondelettes floues utilise la logique floue et divers outils statistiques au sein d'un réseau neuronal conventionnel pour gérer l'incertitude et l'imprécision dans les données.

Li a effectué des simulations informatiques avec le système pour voir dans quelle mesure il pourrait prédire les décès dans les accidents de la route en fonction des divers facteurs associés à un incident particulier.

"Les simulations informatiques montrent que cette méthode de prédiction exploite pleinement la capacité d'approximation non linéaire du modèle de réseau neuronal à ondelettes, améliore efficacement la vitesse de convergence et l'efficacité de la formation, et réduit la complexité de calcul", écrit Li.

Le travail a le potentiel d'améliorer notre capacité à anticiper et à prévenir les accidents de la route mortels en permettant d'affecter plus utilement des ressources limitées à des mesures proactives et à des stratégies de sécurité routière. Il y a, en outre, des implications pour l'arrivée de véhicules sans conducteur sur nos routes.