لاشك أن وقوع حريق أو جريمة أو حادث على الطريق هو مسألة عشوائية لا يمكن التنبؤ بها، ولكن الشيء الذين يمكن قياسه بل والتحكم فيه هو سرعة وصول خدمة الطوارئ إلى موقع الحادث، مثل رجال الشرطة للقبض على الجناة أو رجال الاطفاء لإخماد الحريق أو رجال المرور لرفع السيارة المحطمة من قارعة الطريق. واستخدم فريق من الباحثين من جامعتي بينجهامتون ونيويورك في الولاياتالمتحدة، تقنيات التعلم العميق من أجل تحليل الاحصاءات الخاصة بالحوادث وأحداث الطوارئ، للوصول إلى أفضل السبل لخدمة المواطنين من خلال الاستغلال الأمثل لإمكانات خدمات الطوارئ. واعتمدت الدراسة على قواعد بيانات تضم الحوادث والأحداث الطارئة التي وقعت في مدينة نيويورك على مدار عشر سنوات، وقامت بتصنيفها حسب نوعيتها مع احتساب الفترات التي استغرقتها خدمات الطوارئ في الوصول إلى موقع الحادث من لحظة الإبلاغ عن وقوعه. ويقول الباحث أناند سيتهارام، وهو أحد المشاركين في التجربة إنه "من الممكن أن يقع أكثر من حادث في آن واحد"، مضيفا أن "مجابهة هذه الحوادث سوف يستغرق وقتا طويلا نظرا لضرورة توزيع وحدات ومعدات ووسائل الطوارئ على أكثر من مكان"، واستطرد: "نستخدم منظومة الذكاء الاصطناعي للتنبؤ بما سوف يحدث في المستقبل" من أجل توجيه إمكانيات الطوارئ المتاحة بأفضل شكل ممكن. ويعتقد فريق الدراسة التي أوردها الموقع الإلكتروني "فيز دوت أورج" المتخصص في التكنولوجيا أنه من الممكن استخدام المنظومة الجديدة في المدن الكبرى الأمريكية مثل لوس أنجلوس وشيكاغو على سبيل المثال، وربما في مجموعات مشتركة من المدن الصغيرة ذات السمات المتشابهة، من أجل تحليل المواقف الطارئة المختلفة والقيام بتنبؤات تساعد في توجيه وسائل الإغاثة بالشكل الصحيح. ويقول سيتهارام: "لابد أن نعرف أن كل مدينة لها سمات خاصة بها، فمدينة لوس أنجلوس مثلا تتعرض لحوادث أقل خلال فصل الشتاء، لأن الثلوج لا تتساقط عليها، ولكنها تتعرض لنوعيات أخرى من الحوادث". وأشار إلى صعوبة التنبؤ بالأحداث الطارئة، مثل توقيت اندلاع حريق أو طبيعة هذا الحريق والمدى الذي سوف يصل إليه في المستقبل، مضيفا أن الحوادث غير الطارئة يسهل التنبؤ بها وعلاجها، موضحا: "في حالة تعطل إشارة مرور على سبيل المثال، يتم ارسال فني متخصص، وهو يتولى علاج المشكلة".
