האם ניתן לזהות קטעי כביש מסוכנים עוד לפני שמתרחשות בהם תאונות? מחקר חדש של גוגל ריסרץ' מציג את אירועי בלימת חירום (HBE) – בלימות פתאומיות מעל סף של -3 מ'/שנייה – כמדד מוביל ומדויק לסיכון תאונות. הנתונים נאספו מאנדרואיד אוטו, ומשלבים ניתוח נתוני תאונות ציבוריים מווירג'יניה וקליפורניה. התוצאות מראות קשר חיובי משמעותי סטטיסטית בין שיעורי HBE לשיעורי תאונות בכל רמות החומרה. זהו שינוי פרדיגמה מבטיח, שמאפשר הערכת בטיחות רשתית ללא המתנה לשנים של נתונים דלילים.
המחקר, שפורסם בבלוג גוגל ריסרץ' ב-13 בינואר 2026, בוחן את HBE כתחליף 'מוביל' לנתוני תאונות 'לגינג'. נתוני תאונות משטרתיים הם המדד המוזהב, אך הם נדירים מאוד בכבישים מקומיים וארטריאליים, ודורשים שנים לאיסוף מספיק. לעומת זאת, HBE מתרחשים בתדירות גבוהה בהרבה ומספקים אותות צפופים מכלי רכב מחוברים. בניתוח 10 שנות נתוני תאונות מווירג'יניה וקליפורניה לצד נתוני HBE אנונימיים ואגרגיים מאנדרואיד אוטו, גילו החוקרים ש-HBE נצפו ב-18 פעמים יותר קטעי כביש מאשר תאונות מדווחות. זה מאפשר מיפוי בטיחות מקיף יותר.
כדי לאמת את הקשר, השתמשו החוקרים במודלי רגרסיה בינומית שלילית (NB), סטנדרטיים במדריך הבטיחות בכבישים המהירים (HSM). המודלים התחשבו בגורמי בלבול כמו נפח תנועה, אורך קטע, סוג כביש (מקומי, ארטריאלי, כביש מהיר), שיפוע, זוויות סיבוב מצטברות, נוכחות מחלפים ושינויי מספר נתיבים. התוצאות: קשר משמעותי סטטיסטית בין שיעורי HBE לשיעורי תאונות בכל סוגי הכבישים ובשני המדינות. קטעים עם תדירות גבוהה של בלימות חירום הציגו סיכון תאונות גבוה יותר באופן עקבי.
המחקר מדגיש גם השפעות של אלמנטים תשתיתיים: נוכחות מחלף קשורה חיובית לסיכון תאונות בשתי המדינות, כנראה בגלל תמרונים מורכבים של מיזוג. במקרה בדיקה ספציפי, בחנו קטע מיזוג בכביש מהיר בקליפורניה (101 ל-880) עם שיעור תאונות פי 70 מהממוצע – תאונה כל שישה שבועות במשך עשור. ניתוח HBE הציב אותו בטופ 1% של כל קטעי הכביש בתדירות הבלימות, ומזהה את הסיכון ללא צורך בהיסטוריה ארוכת תאונות.
היתרון הגדול של HBE הוא בצפיפות הנתונים ובזמינותם הרשתית, בניגוד למדדים מבוססי קרבה הדורשים חיישנים קבועים. זה מאפשר הערכת בטיחות פרואקטיבית ברמת רשת שלמה, עם פירוט מרחבי וזמני גבוה יותר. גוגל ריסרץ' משלבת את הנתונים האלה בגוגל מאפס פלטפורמה, כחלק מ-Roads Management Insights, ומספקת לרשויות תחבורה נתונים טריים ואנונימיים לכיסוי רחב יותר.
הממצאים תומכים בשימוש בנתוני רכב מחובר להערכת סיכון קטעי כביש, אך אינם מסקים על התנהגות נהיגה כללית. צוות ה-Mobility AI בגוגל חוקר כעת אשכולות מרחביים לקטעים הומוגניים להפחתת דלילות נוספת, מה שיאפשר מעבר מזיהוי סיכונים להתערבויות תשתית ממוקדות כמו התאמת תזמון רמזורים, שילוט משופר או עיצוב מחדש של נתיבי מיזוג.
עבור מנהלי תחבורה ומנהלי עסקים בתחום הלוגיסטיקה, זהו כלי רב עוצמה לניהול סיכונים פרואקטיבי. שילוב HBE בגוגל מאפס יאפשר החלטות מבוססות נתונים בזמן אמת, ויצמצם תאונות והוצאות. כיצד זה ישפיע על תשתיות בישראל?
המחקר פותח דלתות לשימוש בנתונים דיגיטליים לבטיחות ציבורית, ומזמין שיתופי פעולה בין טכנולוגיה לרשויות.