Detektion af ‘aggressivt kørsel’ med maskinlæring og edge computing

En ny patentansøgning har foreslået et system til identificering af ‘aggressivt kørselsadfærd’ ved krydsninger ved hjælp af maskinlæringsalgoritmer, der er installeret i civile edge computing-enheder.

I modsætning til nyere innovationer inden for AI-forskning i in-vehicle ‘road rage’ analytics (primært beregnet til forsikringsselskaber), er det foreslåede system kommunalt og kunne være beregnet til at lette straffe for chauffører, der ikke overholder de omgivende normer for ‘sikker’ kørselsadfærd. Det er også specifikt beregnet til at give dårlige chauffører relaterede in-car audiovisuelle advarsler.

Patenten blev indgivet hos US Patent and Trademark Office den 29. april 2021 på vegne af Board Of Regents ved University of Michigan og Denso corporation, en japansk producent af bildele, der ejes af Toyota.

UMich-patenten er ikke et proprietært, in-car-system beregnet til forsikringsovervågning eller designet kun til at producere retsmedicinske data, men afhænger i stedet af veludstyrede edge computing-knuder, der er installeret ved trafiklys, for at give øjeblikkelige og handlebare feedback, ved at samle data fra vejens edge computing-resurser og fra sensorer, der er installeret i nærheden af køretøjer. Kilde: https://pdfaiw.uspto.gov/76/2021/50/012/1.pdf

Det foreslåede rammeværk er ikke helt passivt eller afhængigt af civile anlæg, men kræver også in-car-teknologier, der kan omdanne biler til bidragende sensorer for systemet. Effektivt vil dette omdanne hver udstyret bil til en trafikovervågningsnode, selv om den samme overvågning også vil blive rettet mod chaufføren selv, med den ekstra fordel at have adgang til køretøjets onboard datastrømme. Schematisk for in-car-installationen (vist til højre) indgivet i patenten inkluderer direkte sensordata fra køretøjets bremser, accelerator, rat og odometer, samt kræver adgang til kortdata.

Både vej- og in-car-installationer har CUDA-aktiveret GPU og lokale lagringsressourcer og har begge cloud-forbindelse.

Advarsler for aggressive chauffører

Ifølge patentansøgningen er systemet designede til at interagere med en urolig chauffør:

‘Når systemet til at forudsige aggressivt kørselsadfærd 1 forudsiger aggressivt kørsel i et subjekt-køretøj, kan en advarselssætning, såsom advarslen i FIG. 8A, udskrives til audiovisuelt udstyr 413 i subjekt-køretøjet for at advare en aggressiv chauffør om at sænke farten.’

Yderligere potentielle advarsler inkluderer in-car-advarsler for hastighed og indkommende køretøjer:

Advarsler, der er vist i patentansøgningen. Kilde: https://pdfaiw.uspto.gov/fdd/76/2021/50/012/0.pdf

Patenten siger, at i en anden mulig scenario kan alle tilgængelige audiovisuelle enheder (herunder smartphones, der ejes af chaufføren) i køretøjet bruges til at give advarsler, herunder audioadvarsler.

Chauffør-specifikke røde lys

At ændre frekvensen og adfærden af trafiklys ved krydsninger har længe været kendt som en metode til at reducere ulykker, og det foreslåede system kan bruges til at generere data, der kan ændre, hvordan trafiklys fungerer ved krydsninger på et meget bredt niveau.

Men den dybe integration af infrastruktur- og køretøjsdata, der er forestillet i Michigan-forslaget, tilbyder en anden mulighed: røde lys, der bestemmes af chaufførens adfærd, snarere end af en fast tidsplan eller skema (se den lange sektion [0157] i patentansøgningen).

‘Desuden, hvis kørselsmønsteret ved en krydsning (f.eks. krydsning 200a) forudsiger og/eller indikerer aggressivt kørsel i køretøjet 71, kan reaktionære foranstaltninger, såsom kontrolelementer, anvendes ved efterfølgende krydsninger (f.eks. krydsninger 200b og 200c) for at kontrollere og afbøde aggressivt kørselsadfærd. For eksempel, hvis systemet til at forudsige aggressivt kørselsadfærd 1 forudsiger, at køretøjet 71 kan køre gennem et rødt lys ved krydsning 200a, kan systemet til at forudsige aggressivt kørselsadfærd 1 udskrive en kontrollignalsignal for at kontrollere tilstanden/fasen af trafikstyringsignal 202b og 202c ved krydsningerne 200b og 200c. På denne måde kan trafikstyringsignal 202b og 202c ændre til rødt, for eksempel, før køretøjet 71 passerer krydsning 200a for at opmuntre køretøjet 71 til at sænke farten og ikke forsøge at accelerere gennem krydsningerne 200b og 200c, før signalerne 202b og 202c ændrer til rødt.’

Indveje i chaufførernes privatliv

Forslag til in-car-chauffør-overvågningsystemer over de sidste 10 år har udnyttet emotion-genkendelses-computer-vision-algoritmer samt andre biometriske indikatorer til at producere systemer, der er designet til at have en ‘afkølende effekt’ på urolige chauffører, da urolig kørselsadfærd kunne påvirke chaufførens forsikringspræmie under sådanne ordninger eller også kunne bruges som bevis i en ulykkesundersøgelse.

Umiddelbart efter, at det blev foreslået, synes Michigan/Denso-forbudet at være beregnet til en form for statsligt samarbejde gennem ændringer i obligatoriske køretøjsstandarder. Men på grund af den amerikanske befolknings mobilitet under normale omstændigheder og det faktum, at et sådant system ville være mest anvendeligt for langdistancechauffører, såsom lastvognschauffører, er det svært at se, hvordan noget andet end en føderal implementering ville være gennemførlig, medmindre rammeværket er designet til at blive inaktivt over ikke-deltagende statsgrænser eller på tværs af amter, der ikke støtter ordningen.

Selv om sådanne innovationer generelt er drevet af den øgede trend for forsikringsselskaber til at belønne forsikringstagerne, der er villige til at installere overvågningsudstyr, passer behovet for civilt anlæg ikke helt ind i den model, hvilket antyder, at et sådant system ville kræve lovgivningsmæssig støtte og føderal eller statsfinansiering.

En illustration af den maskinlæringsarkitektur, der er foreslået til systemet, der anvender Recurrent Neural Networks (RNN). Selv om rammeværket også anvender unsupervised learning og giver realtidsfeedback, tilbyder det også mulighed for offline-træning til at forbedre algoritmerne på baggrund af indkommende data og begivenheder. Identificeringen af aggressivt kørselsadfærd lettes af Dynamic Time Warping (DTW), en algoritme, der anvendes i tidsserieanalyse til at sammenligne to tidsmæssige serier eller sekvenser af objekter, der kan variere i hastighed.

Indtægtsstrøm

Systemet, der er foreslået i patenten, kunne være det første af sin art til at tilbyde realtidsanalyse af urolig kørselsadfærd i et civilt rammeværk, der kan automatisk udstede bøder og straffe eller advare myndighederne i tilfælde af virkelig farlige kørselsbegivenheder. Men opfinderne indrømmer, at det kunne misbruges som en kasseko til kommunale myndigheder, der er sultne efter indtægter.

Neda Masoud, adjunkt ved afdelingen for civil- og miljøingeniørvidenskab ved University of Michigan, fortalte The Academic Times, at ‘Falske alarmer er en lille pris at betale for det forhøjede sikkerhedsniveau, som teknologien kan tilbyde. Det skal dog altid være muligt for den uretmæssigt anklagede at forsvare sig selv mod enhver falsk påstand om aggressivt kørsel,’.

Patentansøgningen anerkender muligheden for aggressivt kørselsadfærd, der involverer køretøjer, der ikke er udstyret med onboard-enheder (OBUs), hvilket kan håndteres ved ekstern observation af nærliggende eller nærved køretøjer, der har udstyret, samt krydsningsinstallationer. I sådanne tilfælde ville identificeringen formodentlig falde tilbage til andre metoder, såsom automatisk læsning af nummerplader (selv om patentansøgningen ikke omhandler dette).

Krydsninger er et højt risiko

Michigan-patenten omhandler urolig adfærd ved krydsninger, da disse er et knudepunkt for trafikulykker og -forseelser, mens tidligere kinesisk forskning på lignende områder har anvendt support vector machine (SVM)-analyse til at identificere undervejs-begivenheder, såsom farligt filskifte. En anden kinesisk forskningsinitiativ udnyttede sensorer i smartphones til at registrere uregelmæssigt kørselsadfærd undervejs.

Den amerikanske nationale trafiksikkerhedsadministration estimere i 2010, at 40% af ulykkerne, der skete i USA i 2008, var relateret til aktiviteter ved krydsninger.