Участок асфальта, который из салона машины кажется совершенно обычным, при взгляде сверху вдруг оказывается зоной повышенного риска. По спутниковым снимкам исследователи вычленяют микродетали — радиус поворотов, продольный уклон, ширину полос — и подают эти данные в модели машинного обучения, которые оценивают вероятность аварий на каждом отрезке дороги.

В таком подходе любая дорога рассматривается как набор геометрических характеристик, а не только как строка в полицейской статистике. Алгоритмы превращают пиксели в векторные линии, измеряют горизонтальную планировку и поперечный уклон, рассчитывают показатели вроде требуемого бокового ускорения и расстояния, необходимого для остановки. Эти механистические параметры, основанные на классической кинематике и коэффициентах трения, служат заменой реального поведения машин и водителей на покрытии при разных скоростях и погодных условиях.

Поскольку спутники непрерывно охватывают огромные территории, метод легко масштабируется даже на сети дорог, где почти нет официальных данных. Власти могут заранее помечать места, где крутые повороты идут сразу после резких спусков или где сужение полос совпадает со сложными развязками, задолго до того, как накопится аварийная статистика. Так поверх привычной картинки «нормальной» дороги появляется предсказательный слой безопасности — невидимая карта геометрического напряжения.