Nello Iowa, dove d'inverno nevica tantissimo e ci sono molti incidenti stradali, hanno deciso di adottare una nuova arma di prevenzione: niente catene, né sale o spazzaneve ma machine learning. Il dipartimento dei trasporti dell'Iowa ha infatti deciso di utilizzare le librerie open source TensorFlow di Google per realizzare specifici algoritmi in grado di analizzare le immagini raccolte lungo le strade e prevenire le situazioni più critiche.
La tecnologia messa a punto serve infatti ad analizzare i dati visuali raccolti attraverso le telecamere fisse e quelle montate sugli spazzaneve, incrociandoli anche con i dati sulla situazione del traffico, raccolti tramite l'utilizzo di radar, con l'obiettivo di ricavarne conclusioni sulle condizioni stradali, in modo da poter intervenire tempestivamente, ad esempio in caso di congestioni stradali dovute a incidenti o avverse condizioni meteo.
Secondo i funzionari del dipartimento dei trasporti inoltre attraverso l'apprendimento automatico dovrebbe essere possibile anche prevedere i rischi di incidenti su determinati tratti stradali, ricavando informazioni sullo stato delle strade attraverso l'analisi delle reazioni dei guidatori e la velocità media mantenuta.
Secondo Google questo è solo uno dei tanti esempi di possibile utilizzo di TensorFlow nella prevenzione degli incidenti stradali. In California ad esempio dove non nevica ma ci sono grandi problemi di traffico, gli studenti di ingegneria elettronica della Loyola Marymount University hanno iniziato a utilizzare le librerie di apprendimento automatico per mettere a punto un sistema in grado di identificare e segnalare la presenza di buche e crepe lungo le strade di Los Angeles.