National Transport Library Research Database

Olyckskategorisering för oskyddade trafikanter med hjälp av språkteknologi (Accident categorization for unprotected road users using language technology)

  • Eriksson, Jenny
  • Statens väg- och transportforskningsinstitut (VTI), Statligt forskningsinstitut, 202100-0704
Sponsors, duration, budget: Trafikverket ; 2025-01-07 -- 2025-11-01 Registration number:
  • Trafikverket 2024/28926
Subject(s): Summary: I två tidigare VTI-projekt (Niska & Eriksson, 2013; Eriksson, Henriksson & Rizzi, 2022) finns klassade olycksbeskrivningar utifrån vad som kan ha orsakat den allvarliga skadan från olycksdatabasen Stradas sjukvårdsklient. Dessa klassningar genomfördes manuellt. Trafikantkategorierna som ingick i första studien var cyklister och den andra var fotgängare, cyklister, mopedister och motorcyklister. Att genomföra klassningen var tidskrävande. Detta skulle kunna systematiseras och automatiseras med hjälp av språkteknologi (en form av AI) för att underlätta för framtida arbete med denna typ av uppföljning. De redan klassade olycksbeskrivningarna kommer att användas som träningsdata. Slutprodukten är tänkt att sedan användas på framtida olycksbeskrivningar för de oskyddade trafikanterna fotgängare och cyklister, mopedister och motorcyklister. Därmed kan vi med enkelhet följa upp effekten av olika åtgärder och trender. Syftet med projektet är att genom språkteknologi kunna kategorisera olycksbeskrivningar för de oskyddade trafikanterna på ett snabbt och kostnadseffektivt sätt med få fel. Naturligtvis kan detta sedan utökas till samtliga trafikanter, men begränsningen i detta just nu är att träningsdata finns tillgängligt enbart för de oskyddade trafikanterna. En inledande avstämning har skett med Magnus Palm med flera (Analyslabb, Planering) och de var mycket positiva till denna projektidé och har möjlighet att ta emot slutresultatet och jobba vidare på detta.Summary: In two previous VTI projects (Niska & Eriksson, 2013; Eriksson, Henriksson & Rizzi, 2022), classified accident descriptions based on what may have caused the serious injury are available from the accident database Strada's healthcare client. These classifications were performed manually. The road user categories included in the first study were cyclists and the second were pedestrians, cyclists, moped riders and motorcyclists. Carrying out the classification was time-consuming. This could be systematised and automated using language technology (a form of AI) to facilitate future work on this type of follow-up. The already classified accident descriptions will be used as training data. The final product is then intended to be used on future accident descriptions for the unprotected road users pedestrians and cyclists, moped riders and motorcyclists. This will allow us to easily monitor the impact of different measures and trends. The aim of the project is to use language technology to categorise accident descriptions for vulnerable road users in a fast and cost-effective way with few errors. Of course, this can then be extended to all road users, but the limitation of this at the moment is that training data is only available for vulnerable road users. An initial coordination has taken place with Magnus Palm and others (Analysis Lab, Planning) and they were very positive about this project idea and have the opportunity to receive the final result and work further on this.
Item type: