约翰斯·霍普金斯大学的研究团队开发出一款名为SafeTraffic Copilot的人工智能工具，可精准预测交通信号灯调整等措施对交通事故的影响。该系统能回答类似“若将某路口红绿灯时长从20秒延长至30秒，事故数量会增减多少”这样的“假设性”问题，为交通规划提供数据支持。 项目负责人、土木与系统工程助理教授郝·“弗兰克”·杨（Hao "Frank" Yang）表示，交通事故受天气、车流模式、道路设计和驾驶行为等多种复杂因素影响。传统方法难以全面评估这些变量的交互作用，而SafeTraffic Copilot利用大语言模型，整合了超过6.6万起事故的详细数据，包括道路状况、血液酒精浓度、卫星图像和现场照片，实现对事故风险的深度分析。 与传统机器学习模型不同，该AI具备“情景模拟”能力。传统模型仅能对与训练数据相似的案例做出预测，而生成式AI可处理“从未见过”的场景，例如改变信号灯时长后对安全性的潜在影响。系统还能输出“置信度评分”，帮助决策者判断预测结果的可靠性，有效缓解了AI“黑箱”问题带来的信任障碍。 数据显示，今年截至目前，马里兰州高速公路已发生381起致命交通事故，较十年前的466起持续上升。研究发现，酒驾和激进驾驶是导致事故的最危险因素，其引发的事故数量是其他原因的三倍。 目前，马里兰州及其他州主要依赖传统机器学习进行道路安全评估。而SafeTraffic Copilot不仅能根据新数据持续优化预测，还可灵活适配不同城市或地区的交通特点。杨教授表示，该系统未来将服务于巴尔的摩市、巴尔的摩县及整个马里兰州，并计划拓展至台湾、菲律宾等南亚国家，针对摩托车事故高发、驾驶习惯差异大的地区进行本地化调整。得益于大语言模型的语义理解能力，只需一段文字描述，系统即可适应不同文化背景的交通行为，推动全球交通安全管理的智能化升级。