Naukowcy z arXiv zaprezentowali framework oparty na retrieval-augmented generation (RAG), który automatycznie analizuje opisy wypadków drogowych i generuje rekomendacje bezpieczeństwa na skrzyżowaniach. Tradycyjny proces identyfikacji przyczyn wypadków i doboru odpowiednich środków zaradczych opiera się na ocenie eksperta, co jest pracochłonne, trudne do skalowania i zależy od dostępności doświadczonych inżynierów bezpieczeństwa ruchu.
System wyodrębnia z narracji wypadku kluczowe atrybuty: kontrolę ruchu, sygnalizację, błędy kierowcy, ruch pojazdu i kierunek jazdy. Następnie łączy je z bazą udowodnionych leczenia z FHWA Proven Safety Countermeasures i CMF Clearinghouse. Framework integruje przeszukiwanie historycznie podobnych skrzyżowań, eksplorację reguł asocjacyjnych, wytyczne statystyczne dotyczące liczby istotnych środków zaradczych oraz inżynierskie wskazówki kierujące dużym modelem języka poprzez spójny proces decyzyjny.
Przetestowany na 312 poważnych wypadkach z 115 skrzyżowań w powiatach Lake i Sumter na Florydzie przy użyciu walidacji pięciokrotnej, system osiągnął precyzję 0,82 i recall 0,85. Wyniki sugerują, że automatyczne systemy analityczne mogą znacznie przyspieszyć identyfikację bezpiecznych rozwiązań, wspierając decyzje inżynierów ruchu i poprawiając bezpieczeństwo skrzyżowań na dużą skalę.