AI for trafiksikkerhed

Sprogmodeller og topic modelling til analyse af trafikdata

Abstract

Politiets uheldsregistrering indeholder både strukturerede variable og en fritekstbeskrivelse om uheldet. Fritekstbeskrivelserne rummer detaljer, som de strukturerede felter ikke fanger, men de bruges i dag næsten kun ved manuel gennemgang. Denne artikel undersøger, om åbne, domænetilpassede sprogmodeller kan gøre de danske fritekstbeskrivelser mere anvendelige i uheldsanalysen. Vi opstiller to analytiske spor baseret på 898.677 politiskrevne fritekstbeskrivelser fra Vejdirektoratets uheldsdatabase (Vejman): en dansk BERT-model, der klassificerer uheldssituationen, og en BERTopic-model, der grupperer fritekstbeskrivelserne efter betydning. Klassifikationen opnår en nøjagtighed på 85,8 % og en makro-F1 på 83,5 %, hvilket viser, at fritekstbeskrivelserne rummer information om uheldet, og at modellen kan

genskabe den registrerede uheldstype ud fra teksten alene. Emnemodelleringen afdækker mønstre, der kan understøtte validering af dataene i politirapporten, berige brede uheldskategorier og identificere nye mønstre, som de eksisterende strukturerede felter ikke fanger, herunder flugtuheld. Resultaterne peger på, at teksterne kan supplere de strukturerede data, ikke erstatte dem, i et lokalt miljø, der kører på ens egen computer og imødekommer databeskyttelseskravene.