Finansiering

Smartphone-data kombineret med AI til at hjælpe med at stoppe køretøjer fra at ramme fodgængere

mm
Føj Unite.AI til dine foretrukne kilder på Google

Hvert år dør hundredtusinder af mennesker i ulykker, der involverer motoriserede køretøjer. For nylig har en AI-startup kaldet VizibleZone udviklet en metode til muligvis at forhindre nogle af disse dødsfald. Ifølge VentureBeat, integrerer VizibleZones AI-drevne system data, der indsamles af både motoriserede køretøjer og smartphones, for at advare chaufførerne om den potentielle placering af en fodgænger, hvilket kan hjælpe chaufførerne med at undgå tragiske ulykker.

Ifølge Verdenssundhedsorganisationen døde omkring 1,5 millioner mennesker i trafikulykker i 2018. Mere end halvdelen af alle dødsfald i forbindelse med disse ulykker involverede en kollision mellem en fodgænger eller cyklist og et motoriseret køretøj. I løbet af det seneste årti er forbrugerkøretøjer blevet mere avancerede og sofistikerede, udstyret med kameraer, radar og lidar, der kan detektere mennesker nær eller på en vej. En stor årsag til mange dødelige ulykker er dog “det skjulte fodgænger”-problem, der skyldes, at en fodgænger kan være skjult bag et objekt, indtil det er for sent.

VizibleZone har udviklet en mulig løsning på dette problem, ved at kombinere data fra både smartphones og smarte køretøjer for at skabe repræsentationer af bygader, der kan pege på mulige placeringer for både køretøjer og fodgængere. Hvis en AI-model fastslår, at der er en potentiel kollisionsfare, vil den advare chaufføren, der kan tage de nødvendige foranstaltninger for at undgå en kollision.

Ifølge VentureBeat, siger Shmulik Barel, medstifter af VizibleZone, at applikationerne baseret på deres softwareudviklingskit virker ved at indsamle store mængder sensor- og GPS-data, der anonymiseres før brug. Hundredtusinder af personer bidrager med deres data til en database, der bruges til at træne de primære AI-algoritmer, der skaber adfærdsprofiler, der tager omgivelserne omkring disse personer i betragtning. Selvom modellens antagelser om konstante egenskaber som objekters og køretøjers størrelse kan være generelle, skal modellen tilpasses til den enkelte omgivelse, som applikationerne opererer i. Dette skyldes, at chauffører og fodgængere viser forskellig adfærd i forskellige regioner af verden. For at gøre modellen pålidelig, skal disse regionale forskelle i adfærd tages i betragtning.

Når adfærdsprofilerne er konstrueret og finjusteret, skal brugerne blot tillade appen at transmittere deres placering. Transmissionsinformationen modtages af køretøjer, der anvender VizibleZones software. En AI-model beregner derefter sandsynligheden for en ulykke baseret på variabler som vejforhold, chaufførens profil og fodgængersprofil. Hvis risikoen for en ulykke overstiger en bestemt grænse, vil chaufføren blive advaret om den potentielle ulykke ca. 3 sekunder i forvejen.

Barel forklarede, at systemet også kan advare fodgængeren om en muligvis farlig tilnærmende køretøj, hvis brugeren ønsker at modtage disse meddelelser. AI-systemet kan ifølge rapporten detektere passagerer ca. 500 fod væk, eller 150 meter væk, under alle vejrforhold og på alle tidspunkter af døgnet. En bekymring er, at appen synes at dræne batteriliv med ca. 5% hver 24. time, selvom startuppet for øjeblikket forsøger at reducere denne energiforbrug med halvdelen.

Ifølge Barel, som interviewet af VentureBeat, har Uber diskuteret muligheden for at integrere VizibleZones teknologi i deres kørselsydelser. Selvom samarbejdet med Uber kan give VizibleZone et stort gennembrud, er virksomhedens nuværende fokus på at forbedre nøjagtigheden af systemet ved at øge antallet af enheder, der er forbundet i netværket. VizibleZone ønsker også at integrere sin teknologi med andre smarte enheder og byinfrastruktur, såsom trafiklys.

Men selvom enheder som radar, lidar og kameraer har formindsket mange ulykker, er der stadig ikke en applikation, der kan tackle “det skjulte fodgænger”-problem. Hvis VizibleZone kan lykkes med at tilpasse sin nuværende model og bringe den til flere steder rundt om i verden, kan mange liv muligvis reddes.

Blogger og programmør med specialer i Machine Learning og Deep Learning emner. Daniel håber at hjælpe andre med at bruge AI's kraft til sociale formål.